Hex 是一套跑在 macOS、Windows 與 Linux 上的本機聽寫工具，3.3.0 版，由 OpenCode 背後的 Anomaly 團隊以 MIT 授權開源，主要語言是 Rust。互動被壓成三個動作：按住快速鍵、說話、放開。轉寫在本機完成，文字直接貼進目前取得焦點的輸入框，不跳視窗，也不丟進剪貼簿等你自己貼。第一次執行要下載一個語音模型，之後日常聽寫完全不需要連網。

它補的不是辨識率，而是「講完到字出現」中間那一次上傳、一次等待、一次確認。把這段砍掉，剩下就是按著鍵說話，字落在游標原來的位置。

放開那一下，字已經在畫面上

早期的語音轉寫是「錄完再算」：講多久就攢多久，手放開才開始動工。Hex 從 2.3 版起改成邊說邊轉，講話的同時模型就在解碼，放開只需要收尾最後一小段。專案給的數字是，兩分鐘的聽寫在 RTX 5070 Ti 上從 0.9 秒壓到 0.1 秒，MacBook Air M4 上從 2.8 秒壓到 0.1 秒。這個差距決定它是「偶爾用一下」，還是「手真的可以離開鍵盤」。

細節上有幾處取捨：不滿 300 毫秒的輕觸不算一次聽寫；連按兩下快速鍵進入持續錄音，再按一次結束；上一次的結果可以重新貼上。按 Esc 不會取消，說出口的話它一定交給你。

模型目錄：按語言挑，也按代價挑

設定裡的本地轉寫一欄把候選模型並排攤開，每張卡片都標著體積、支援的語言數與實測速度，選誰的代價一目了然。Parakeet Unified English 主打英文串流，約 731MB，標稱速度是實時的 163 倍，官方自測錯誤率 1.60%；Whisper large-v3-turbo 覆蓋上百種語言，886MB，還能吃你自己的詞表；Cohere Transcribe 只認十四種語言，體積到 2.4GB，換來 1.27% 的錯誤率。中文場景另有兩個更輕的選擇，Qwen3-ASR 0.6B 與 SenseVoice Small。

目錄之外的模型也能用：匯入自有的 GGUF 檔，或直接沿用本機 Hugging Face 快取裡已經下過的權重。選中的模型不支援當前語言時，Hex 會明講「已切換到英文」這類結果，而不是默默吐回一段錯字。每個模型還會各自記住上次用的語言，來回切換不必重設。

換個應用，換一套規則

語音輸入真正的麻煩在轉寫之後。同一個詞，在聊天視窗要被聽懂，在終端機要寫成指令，在編輯器註解裡還要守程式碼風格。Hex 用模式處理這件事：給前景程式或網站綁一套規則，切過去自動生效，全域模式兜底，聊天與終端機各掛一份。

模式裡最實用的是糾正詞表，把「open code」固定改成 OpenCode，把常年被聽錯的名字寫對。它不只做事後替換，還會餵給模型當辨識偏置。在此之上可以再掛一層 OpenCode 改寫：前景程式名、當前網站網域連同轉寫文字一起交給已設定的模型，換回一段更順的文字。這一步是可選的，Hex 不會替你啟動 OpenCode，沒在跑就只提示一句；改寫失敗時保留本地轉寫與已完成的糾正，不會甩給你半成品。

開完會，文字自己分好軌

實驗區裡有兩件值得說的事。會議記錄會察覺你在 Zoom、Google Meet、Teams、Slack 這類應用裡通話，先彈一個小膠囊問要不要記，你點了它才動；錄的時候把電腦傳來的聲音與自己的麥克風分成兩條軌，轉寫出來就是你和對方輪流發言，不必事後猜哪句是誰的。結束後能匯出 Markdown，在 Mac 上還能借本地模型起標題、寫摘要。另一件是標註：錄螢幕的同時按住同一個鍵在畫面上畫線，邊畫邊講，關鍵影格、筆跡與轉寫文字一起落到剪貼簿。這些仍掛在實驗區，意味著形態還會變。

留給智能體的那幾個口子

Hex 3.3.0 的另一半價值不在介面裡。命令列能直接發起聽寫、切換模型、按時間或應用檢索歷史、往詞表加條目，結果可輸出 JSON 或 Markdown；一個唯讀的 MCP 入口把歷史與會議記錄暴露給外部的編碼智能體；本機另有一個 HTTP 介面與一份 TypeScript SDK。加上一份可以寫成程式的個人轉換規則，口述的內容能直接進到你自己的工作流，而不是停在一個文字框裡等人來複製。

邊界要說準

隱私這塊得講清楚。Hex 預設不保存聽寫音訊，但成功貼上的文字會留，預設七天，到一萬條或 16MiB 之後從最早的開始清，可以設成不留，也能一鍵清空。診斷日誌可能帶轉寫內容與前景程式名，但不上傳；只有啟用改寫時，文字才會發給你設定好的模型供應商。

平台要求是硬的。macOS 只給 Apple 晶片，系統要 15 以上；Windows 與 Linux 仍是 beta，Windows 的 x64 版要 2013 年之後支援 AVX2 的處理器，GPU 推論還要 Vulkan 1.2 驅動，沒有就退回 CPU 慢跑；Linux 的全域快速鍵與貼上依賴桌面環境對相關協定的支援，個別 Wayland 合成器得自己綁指令。倉庫也不接受外部提交的改動，問題走 issue，由團隊自己的智能體接手，程式碼是開著的，但更像給人讀，不是給人改。

Hex 3.3.0 的價值不在功能表有多長，而在於它把「說話」變成一項可以隨時呼叫的本機服務：一個快速鍵是給人用的，一行指令與一次 MCP 呼叫是給程式用的。每天有大量文字要進電腦、又不想把聲音交給伺服器的人，值得留幾百 MB 硬碟給它；想要開箱不動腦的人，前面那些模型、模式與權限的台階還是得爬一遍。

版本

3.3.0，MIT 授權，原始碼在 GitHub。

平台

macOS 限 Apple 晶片、系統 15 以上；Windows 與 Linux 為 beta。

模型

依選擇從 700MB 到 2.4GB 不等，首次執行需下載。

網路

模型就位後，聽寫本身不需要連網。