听打的内部原理
发布于 2026 年 6 月 7 日
用大白话讲讲听打如何把您的语音——中文和英文——变成文字，而不向云端发送哪怕一秒钟的音频。
您什么按钮都不用按。说一声唤醒词，然后开口说话——中英文随意切换也行——文字就直接出现在光标所在的地方。没有菜单，没有"切换语言"按钮，也不用复制粘贴。
这感觉有点像魔法。其实不是。它是三项真正出色的语音技术,而且全部都在您自己的设备上运行。下面用人话讲讲到底发生了什么。
一个贯穿始终的承诺：您的音频不离开设备
大多数语音工具会把您的录音发到公司的服务器上去转写。听打不会。每一步都在本地完成——在您的 Mac 或手机上。您的声音从不上传、从不存到服务器、也从不被用来训练任何人的 AI。没有可能不小心开着的"云端模式",因为根本就没有云端。
这不是事后贴上去的口号——而是我们围绕它来设计整个产品的前提。也正因如此,我们才选择了特定的技术。
那它是怎么工作的？三步。
1. 它高效地聆听您的唤醒词。一个小巧、始终在线的"监听器"等待着像 "Hey Type" 或 嘿小听 这样的短语。它特意做得很小很轻,所以可以一直听而不耗电、也不去关注别的任何内容——它只盯着那几个唤醒短语。我们其实并排跑了两个,一个针对中文、一个针对英文,所以哪种语言都能唤醒它。
2. 它听懂您说了什么。听到唤醒词后,它会捕捉您这句话并进行转写。双语的魔力就在这里:它会自己判断您说的是哪种语言,一句一句地判断——所以"把 合同 周五前发给他"也能正确识别,中英混说也没问题。无需任何设置。
3. 它替您打字。转写好的文字直接落到您的光标处(或者复制到剪贴板,由您选择)。从头到尾,快到几乎是即时的。
为什么"双语"是最难的部分——以及我们为什么做得好
很多听写工具都支持多种语言——前提是您先告诉它是哪一种。可真正的双语者不是这么说话的——我们会在同一口气里中英文来回切换,大多数工具就卡壳了。
听打能应对,是因为它的转写引擎从一开始就是按多语言模型来打造的——它对中文和粤语尤其擅长——并且边说边判断语言,而不是逼您先选。这正是这款应用存在的理由。
建立在世界上最好的开源语音技术之上
我们没有从零发明语音识别——几乎没人应该这么做。听打站在两个业内最受尊敬的开源语音项目的肩膀上:
- "聆听"和唤醒词技术来自开源的 Next-gen Kaldi 项目——它是那套影响了整整一代语音系统的 Kaldi 工具包背后工作的现代延续。
- 转写引擎是 SenseVoice,这是阿里巴巴语音 AI 团队开放的多语言模型,用数十万小时的音频训练而成。
两者都是免费且开放授权的(Apache-2.0)——正因如此,我们才能让它们完全在您的设备上运行,并把这款应用免费送出。
诚实地说说它是什么、不是什么
免费、私密、属于您
无需账号。没有订阅。没有音频离开您的设备。只有您的声音,用两种语言,变成文字,出现在您正在输入的任何地方。
中英文混说,无需切换语言。