檔案轉寫
路徑:設定 → 檔案轉寫。App 內檔案轉寫需要 試用 / Pro,即使選擇 Apple 或 Free 可用的本機辨識引擎也一樣;所選引擎權限還會單獨檢查。
用法與檔案限制
Section titled “用法與檔案限制”- 點擊 選擇模型 準備檔案專用的辨識模型和金鑰。它可以與實時語音輸入的模型不同,但共享提供商金鑰。
- 將音訊或影片拖入放置區,或點選檔案導入。
- 查看隊列與進度。完成後複製純文字、複製字幕,或導出字幕檔案;結果會記入本機歷史。
接受的擴展名為 mp3、wav、m4a、flac、opus、ogg、aac、aiff、aif、caf、mp4、mov、m4v、mkv、webm。源檔案上限為 4 GiB,解碼音訊最長 4 小時。檔案還必須包含可由 macOS 解碼的音軌;擴展名受支援不代表容器內每一種編碼都可讀取。服務商限制與內存情況也可能使較短的檔案失敗。
隊列中的任務可取消、重試或刪除。實時語音輸入、命令或翻譯正佔用錄音、辨識、處理或結果浮層時,檔案轉寫會拒絕啟動;先結束或取消目前會話。
字幕與時間戳
Section titled “字幕與時間戳”| 格式 | 用途與時間碼 |
|---|---|
| SRT | 常用影片字幕;HH:MM:SS,mmm |
| VTT | 網頁影片字幕;HH:MM:SS.mmm |
| ASS | 帶樣式字幕,預設 1920×1080 排版;H:MM:SS.cc |
| LRC | 歌詞或音訊標記;[mm:ss.cc],百分之一秒 |
| 帶時間戳 TXT | 閱讀與筆記;顯示到秒的時間標記 |
可單獨導出或一次導出全部五種格式。時間碼寫法不代表辨識對齊精度:詞級、分段或無原生時間戳取決於引擎,頁面會顯示能力提示。沒有原生字幕片段時,App 可從文字生成片段;使用前請檢查時間與內容。
本機 MOSS-0.9B 支援說話人分離與起止時間結果。App 內轉寫為支援說話人分離的引擎保留整段處理,以減少跨分段的說話人身份斷裂;實際辨識與標記質量取決於錄音和模型。
完成任務還可進行字幕 AI 優化和恢復原字幕。優化可能使用已配置的文字處理/意圖模型或就緒的本機模型;使用雲端模型會傳送字幕文字。未能使用模型時,部分分句會回退到本機規則。優化結果仍需校對。
App 另含社區模式命令行轉寫工具,可在未啟用 GUI 檔案轉寫時執行。它與 App 內的試用 / Pro 功能門檻不同。
先在 App 中安裝並準備所需本機模型。CLI 不會自動下載缺失模型。以下命令使用已安裝 App 的可執行檔案路徑:
/Applications/VoiceHotkey.app/Contents/MacOS/VoiceHotkey --transcribe ~/Downloads/interview.mp3 --provider qwen/Applications/VoiceHotkey.app/Contents/MacOS/VoiceHotkey --transcribe ~/Downloads/meeting.m4a --provider moss語法為 VoiceHotkey --transcribe <檔案路徑> [--provider <名稱>] [--language <代碼>]。App 安裝在其它位置時相應修改路徑。--language 對支援語言約束的引擎生效,不保證所有引擎採用此參數。
目前 App 支援下載並使用 Fun-ASR-Nano 與 SenseVoice Small。詳見輸入模型。下表別名屬於獨立的社群 CLI。
| 模型 | 接受的 provider 名稱 |
|---|---|
| Qwen3 0.6B(預設) | qwen、qwen3、qwen3-asr、qwen0.6b、qwen3-0.6b |
| Qwen3 1.7B | qwen1.7b、qwen3-1.7b、qwen-1.7b |
| SenseVoice | sensevoice、sensevoice-small |
| Fun-ASR-Nano | funasr、funasr-nano、funasrnano |
| Whisper Turbo | whisper、whisper-turbo、whisper-large-v3-turbo |
| Whisper Small | whisper-small |
| Distil Whisper | whisper-distil、distil-whisper |
| Parakeet | parakeet、parakeet-tdt |
| FireRed | firered、fireredasr |
| Apple SpeechAnalyzer(macOS 26+) | apple、applespeech、apple-speech、apple-analyzer、analyzer |
| 舊版 Apple Speech | apple-legacy、legacy |
| MOSS | moss、moss-0.9b、moss0.9b |
未知名稱會回退到 Qwen3 0.6B;此參數不是一般雲端提供商選擇器。CLI 在源檔案旁寫入同名 .srt 和 .vtt,會覆蓋已有同名檔案,並保存任務供 App 顯示。
僅本機模式下可使用已準備的 Apple 或內建本機模型;舊版 Apple 被強制為本機辨識。公網檔案辨識請求會被攔截,迴環自建端點仍需滿足引擎權限。模型安裝與系統語言資源準備可能需要先聯網。