之前一直在找一个好用的电脑语音输入法,尝试过 Typeless、极速说等等,不过这些都有点太产品化了,到处都想着让我订阅套餐付费。
最后我找到了Handy ↗。我觉得它有一个好处:
- 免费:白嫖的快乐。
- 干净:之前试过其他开源的语音输入法比如 OpenWhispr,页面太复杂了。
- 识别效果:它默认推荐的模型效果都还挺不错的,而且它也支持接入 LLM 做后处理。
现在我用的 Nemotron streaming 3.5 模型来识别,然后本地用 Qwen3 4B 模型来做后处理,效果其实还挺不错的。
后续我打算加一点自定义关键词,比如说 Docker、k8s 等来提高它对术语的识别;其次后面有时间我去研究一下 ASR 模型方面的东西,找点综述看看,看看能不能通过微调等方式继续提高识别准确率。