Input 0 for Mac：按住 Option+Space 说话，松开自动本地转写 + AI 润色 + 粘贴到当前输入框

Mac 上要做「不打开任何 App、随便在哪个输入框里按住快捷键说话、松手文字自动进去」这件事，可选方案过去一直不多——Whisper 系本地工具有，但少有把「按住热键 + 录制 + 转写 + AI 改写 + 自动粘贴到当前焦点」一条龙做顺的。Input 0 想做的就是这件事：按住 Option+Space 录音、松开自动转写 + LLM 润色 + 粘贴到当前输入框，全部本地完成 STT。GitHub 300★（截至 2026-09-08），最新 v0.6.1（2026-05-28）。

先把两个**硬约束**说在前面——

• License 是 CC BY-NC 4.0（署名-非商业），不是 MIT / Apache。禁止商用，包括「在公司工作机用」这种也属商用场景。个人 / 学习 / 演示随便用；公司 / 团队想装得先和作者单独谈。
• 官方 DMG 只有 aarch64（Apple Silicon）。Intel Mac 装不上现成包，需自行从源码编译。

基本工作流

1. 启动后默认 按住 Option+Space 录音（可在设置里改）。
2. 自然说话。
3. 松开按键 —— 文字自动转写 → LLM 改写 → 自动粘贴到当前焦点输入框。
4. 过程中随时按 ESC 取消，不会粘贴任何东西。

整个流程不需要切窗口、不需要按发送键——你在 Slack 聊天框、VS Code 编辑器、浏览器地址栏，App 不管你当前焦点在哪，润色完直接 Cmd+V 进去。

本地优先的转写：6 引擎 12 模型，Metal 跑在 Mac 上

这是 Input 0 跟「云端听写 + 计费」类方案的根本区别：音频从头到尾不出本机，STT 通过 Apple Metal GPU 在你 Mac 上跑。仓库自带的 6 个引擎 12 个模型覆盖 99+ 种语言，模型按需下载、App 本身很轻：

• Whisper 系列（OpenAI 开源）：Base 142MB / Small 466MB / Medium 1.4GB / Large v3 2.9GB / Large v3 Turbo 1.5GB / Large v3 Turbo Q5 547MB。
• SenseVoice Small（阿里达摩院）：228MB，中文 / 日文 / 韩文识别最佳。
• Paraformer 中文（阿里达摩院 FunASR）：217MB，中文专用、推理极快。
• Paraformer 中英粤三语版：234MB ——粤语唯一可用的模型，这点很稀有。
• Moonshine Base（用牛津 / Useful Sensors）：274MB，英文专用、速度约 Whisper 的 5 倍。
• FireRedASR Large v1（小红书）：1.74GB，中文 ASR SOTA（CER ≈ 2%），要极致中文精度用这个。
• Zipformer 中文 CTC：350MB，新一代 Kaldi 架构的中文离线轻量备选。

App 启动后「Settings → Models」会根据你 Mac 的语言自动推荐一个模型（中文 → SenseVoice Small、英文 → Whisper Large v3 Turbo），跟随推荐或自选都行。模型下到 ~/Library/Application Support/com.input0/models/<模型ID>/，从 Hugging Face 拉——在国内网络下可能要代理或 VPN。

AI 改写：LLM 润色 + 40+ 技术术语拼音纠错

转写完的稿子「嗯」「啊」「这个」「那个」通常不会自动去掉，这一步靠 LLM 解决。设置里需要填三样：

• API Key（必填）
• API Base URL（默认 https://api.openai.com/v1，可改成 Azure OpenAI / Groq / 本地 Ollama / 任何 OpenAI 兼容 API）
• Model（默认 gpt-4o-mini）

LLM 这一步是必填的——不配 Key 也能用，但只能拿到原始转写稿，不做润色。LLM 拿到 10 句上下文（Context-aware with 10-message history）做改写，所以「它 / 他」「前 / 钱」这种近音字会按上下文校正。

最值得单独说的一点是「40+ 技术术语拼音纠错」：你说「瑞嗯特」，它会自动改成 React；你说「派森」，它改成 Python。这一类规则开箱即用、覆盖了主流框架和工具名，对中文开发者的代码 / 文档场景特别有用。官方还支持自定义词汇库（加自己的项目名 / 团队名 / 产品名），并有「自动学习」模式：LLM 验证后自动加进词汇库。

系统权限、安装、首次设置

需要给两个权限：

• 麦克风：录音。
• 辅助功能：模拟 Cmd+V 粘贴到其他 App ——不授这个权限就没有「自动粘贴」。

两种装法：

• 从 GitHub Releases 下 Input0_0.6.1_aarch64.dmg（18MB），拖进 /Applications；首次启动系统设置 → 隐私与安全性 → 仍要打开（未公证）。
• Homebrew：brew install --cask input0（README 推荐路径）。

注意 README 里给的 Releases 链接写的是 github.com/nicepkg/input0，那是旧组织，实际新仓是 10xChengTu/input0。两个仓的 Release 暂时可能都有，按新仓为准。

几个值得留意的点

• 协议是 CC BY-NC 4.0，不是通常软件用的 MIT / Apache。个人 / 学习 / 自部署随便用；公司、团队、商业产品、嵌入分发前请直接联系作者——这不是 GPL（传染性没那么强），但「NonCommercial」是真的硬限制。
• 发布包仅 aarch64（Apple Silicon），Intel Mac 用户需要从源码自己 pnpm tauri dev / build。
• macOS 11.0+，Metal 加速需要 Apple Silicon 才有效（Intel 也能跑但慢）。
• v0.6.1 是 2026-05-28 发的，截至今天 2026-09-08 已过 ~3 个月，迭代节奏不算快但还在维护（v0.6.1 专门修了一波 Fn / Globe 键冲突提示，引导用户避免误把 macOS Globe 键和 Fn 冲突）。
• STT 模型从 Hugging Face 下载，国内网络下可能需要代理或 VPN；下载失败可手动放 ~/Library/Application Support/com.input0/models/<模型ID>/。
• LLM 步骤可选但默认必需：不配 API Key 也能用，但拿不到润色结果。
• 作者用「Harness Engineering」自建 AI Agent Harness 搭这个项目（README 顶部提及），所以代码里能看到 .agents/、.claude/、AGENTS.md、CLAUDE.md 这些 AI 辅助开发痕迹——对「人 + AI 协作写代码」感兴趣的读者可以看看它怎么组织。

Mac 上要把「说出来 → 进当前输入框」这一段做无缝，Input 0 是目前少有的真正把 6 引擎 + LLM 润色 + 焦点粘贴串成一条流程的开源方案；粤语支持（Paraformer 中英粤三语版）和中文技术术语拼音纠错这两点，在中文用户场景里很实用。同类工具也可以看本站之前发的 声迹 LocalScribe（Mac 本机语音转写 + 离线 AI 整理，主打文件/麦克风）、Whisper Transcription（Mac 端 Whisper 方案）和 TOK（Mac 语音转文字，输入源 / 输出方式不同）。

官网：input0.com
GitHub 仓库：github.com/10xChengTu/input0（CC BY-NC 4.0，300★）
下载 DMG：Releases（含 Input0_0.6.1_aarch64.dmg + .app.tar.gz + .sig）
Homebrew：brew install --cask input0