键盘敲了这么多年，语音输入始终没真正立起来，多数时候不是识别不准，而是说完话到文字落进光标之间隔着一次上传、一次等待、一次「要不要确认」。Hex 把这段路砍掉了：按住键说，松手，字已经在你要它的地方。

Hex 是一款跨 macOS、Windows 与 Linux 的本地语音听写工具，版本 3.3.0，由 OpenCode 背后的 Anomaly 团队以 MIT 协议开源发布，主语言是 Rust。它的交互压缩成三个动作：按住快捷键、说话、松开。转写在本机完成，文字直接粘贴进当前获得焦点的输入框，不弹窗，也不进剪贴板等你自己粘。第一次运行要下一个语音模型，之后日常听写完全不需要联网。

松开那一下，字已经在屏幕上

早期的语音转写是「录完再算」：你说多久，它攒多久，松手之后才开始干活。Hex 从 2.3 版起改成边说边转，说话的同时模型就在解码，松手只需要收尾最后那一小段。项目给出的数字是，一段两分钟的听写，在 RTX 5070 Ti 上从 0.9 秒压到 0.1 秒，MacBook Air M4 上从 2.8 秒压到 0.1 秒。这个差距决定了它是「偶尔用一下」还是「手可以真的离开键盘」。

细节上有几处取舍：不足 300 毫秒的轻触不算一次听写；双击快捷键进入持续录音、再按一次结束；上一次的结果可以重新粘贴。按 Esc 不会取消听写，说出去的话它一定给你。

模型目录：按语言挑，也按代价挑

设置里的本地转写一栏把候选模型并排摊开，每张卡片都标着体积、支持的语言数和实测速度，选谁的代价一目了然。Parakeet Unified English 主打英文流式，约 731MB，标称速度是实时的 163 倍，官方自测错误率 1.60%；Whisper large-v3-turbo 覆盖上百种语言，886MB，还能吃你自己的词表；Cohere Transcribe 只认十四种语言，体积到 2.4GB，换来的是 1.27% 的错误率。中文场景另有两个更轻的选择，Qwen3-ASR 0.6B 与 SenseVoice Small。

目录之外的模型也能用：导入自有的 GGUF 文件，或者直接复用本机 Hugging Face 缓存里已经下过的权重。选中的模型不支持当前语言时，Hex 会明确告诉你「已切换到英文」这类结果，而不是静默返回一段错字。每个模型还各自记住上次用的语言，来回切换不用重设。

换个应用，换一套规则

语音输入真正的麻烦在转写之后。同一个词，在聊天窗口要被听懂，在终端里要写成命令，在编辑器注释里还要守代码风格。Hex 用模式来处理这件事：给前台应用或网站绑一套规则，切过去自动生效，全局模式兜底，聊天和终端各挂一份。

模式里最实用的是纠正词表，把「open code」固定改成 OpenCode，把常年被听错的名字写对。它不只是事后替换，还会喂给模型当作识别偏置。在此之上可以再挂一层 OpenCode 改写：前端应用名、当前网站域名连同转写文本一起交给已配置的模型，换回一段更顺的文字。这一步是可选的，Hex 不会替你启动 OpenCode，没运行就只提示一句；改写失败时保留本地转写和已经做完的纠正，不会甩给你半成品。

开完会，文字自己分好轨

实验区里有两件值得说的东西。会议记录会察觉你在 Zoom、Google Meet、Teams、Slack 这类应用里通话，先弹一个小胶囊问要不要记，你点了它才动；录的时候把电脑里传来的声音和自己的麦克风分成两条轨道，转写出来就是你和对方轮流发言，不用事后猜哪句是谁的。结束后能导出 Markdown，在 Mac 上还能借本地模型起标题、写摘要。另一件是标注：录屏的同时按住同一个键在画面上画线，边画边讲，关键帧、笔迹和转写文字一起落到剪贴板。这些仍挂在实验区里，意味着形态还会变。

留给智能体的那几个口子

Hex 3.3.0 的另一半价值不在界面里。命令行能直接发起听写、切换模型、按时间或应用检索历史、往词表里加条目，结果可输出 JSON 或 Markdown；一个只读的 MCP 入口把历史与会议记录暴露给外部的编码智能体；本地另有一个 HTTP 接口和一份 TypeScript SDK。加上一份可以写成代码的个人转换规则，口述的内容能直接进到你自己的工作流，而不是停在一个文本框里等人来复制。

边界要说准

隐私这块得讲清楚。Hex 默认不保存听写音频，但成功粘贴的文本会留，默认七天，到一万条或 16MiB 之后从最早的开始清，可以设成不留，也能一键清空。诊断日志可能带转写内容和前台应用名，但不上传；只有启用改写时，文本才会发给你自己配置的模型提供商。

平台要求是硬的。macOS 只给 Apple 芯片，系统要 15 及以上；Windows 与 Linux 仍是 beta，Windows 的 x64 版要 2013 年之后支持 AVX2 的处理器，GPU 推理还要 Vulkan 1.2 驱动，没有就退回 CPU 慢跑；Linux 的全局快捷键与粘贴依赖桌面环境对相关协议的支持，个别 Wayland 合成器得自己绑命令。仓库也不接受外部提交的改动，问题走 issue，由团队自己的智能体接手，代码是开着的，但更像给人读，不是给人改。

Hex 3.3.0 的价值不在功能表有多长，而在于它把「说话」变成了一项可以随时调用的本地服务：一个快捷键是给人用的，一行命令和一次 MCP 调用是给程序用的。每天有大量文字要进电脑、又不想把声音交给服务器的人，值得给它留几百兆硬盘；想要开箱不动脑的人，前面那些模型、模式与权限的台阶还是得爬一遍。