随口说，出色写。
按下右 Alt 说出需求，整理好的提示词直接打进 Claude Code、Codex、Kiro 的输入框。聊天、邮件、文档里也一样能用。
- 免费开源
- 提示词完全自定义
- 支持团队本地化部署
✻ Welcome to Claude Code!
/help for help, /status for your current setup
cwd: C:\Users\me\shop
> 登录页的表单校验有问题，帮我看看
●Read(src/pages/Login.tsx)
⎿ Read 86 lines
●Update(src/pages/Login.tsx)
⎿ Updated src/pages/Login.tsx with 4 additions and 1 removal
●已修好表单校验，测试全部通过。接下来做什么？
把 retry 逻辑抽成一个 hook，超时改成 30 秒，顺便补上单元测试。
? for shortcuts⏵⏵ accept edits on (shift+tab to cycle)
检查发版脚本OpenCommit
先读一下发版相关的脚本
Explored 2 filesrelease_preflight.ps1, publish_update.ps1
已读完 12 个文件，随时可以开始。
发版前帮我检查三件事： 1. 版本号对不对 2. 测试有没有全过 3. 更新日志补上没有
GPT-6.1 SolMedium
Localmain
design.md
1# 设计文档
2
3## 概述
4笔记读多写少，列表页需要缓存。
5
6## 缓存
7- 方案：待定
8- 失效：保存笔记时清除
笔记缓存设计VibeSpec
按这个需求写一份设计文档
设计文档已生成，缓存方案还没定，你想用哪种？
requirements.mddesign.md
设计文档里的缓存先用内存缓存，以后再换成 Redis。
AutopilotClaude Sonnet 5.5
边想边说，不用打草稿。
嗯啊、口误、说错改口，都替你收拾好。
-
你说的
嗯，那个，我觉得这个方案吧，就是说，还是可以的。打出来的
我觉得这个方案还是可以的。
-
你说的
明天上午
十点开会，不对，改到十一点开会。打出来的
明天上午十一点开会。
-
你说的
帮我看一下这个
破 request里面的 merge康弗利克特。打出来的
帮我看一下这个 pull request 里面的 merge conflict。
以上为示意，实际效果取决于识别模型和 AI 模型。
想要什么效果，提示词自己写。
内置四种润色模式，提示词全部公开、随便改，也可以从零新建一个。
- 内置模式的提示词全部公开，想改就改。
- 新建一个：写提交信息、翻译、改成邮件口吻都行。
- 给模式设个组合键，随时切换。
润色模式
新建润色模式
选中后会把该模式的提示词填入下面，改几句就能用。
同一句话，换个润色模式
左边是你说的原话，右边是四种模式各自打出来的结果。
你说的
嗯，那个登录页的表单校验我修好了，然后单元测试也补上了，帮我跟产品说一声明天可以提测。
-
意图整理内置
整理成简洁的书面文字登录页的表单校验已修复，单元测试也已补上，请告知产品明天可以提测。
-
忠实校对内置
只改错字，保留原话登录页的表单校验我修好了，单元测试也补上了，帮我跟产品说一声明天可以提测。
-
中翻英忠实校对内置
修正后翻译成英文I’ve fixed the form validation on the login page and added the unit tests. Please let the product team know it’s ready for testing tomorrow.
-
写成提交信息自定义
自己写的提示词fix(login): 修复表单校验并补充单元测试
应用规则
切到不同应用，自动换用对应的润色模式。
Teams
Outlook
Kiro
Codex
VS Code
Cursor- 记事本
微信
QQ- 自己添加
团队和公司，本地化部署。
服务端开源，装在公司自己的服务器上。全团队共用一台，语音和文字不出内网。
- Docker 一条命令启动
- 成员填个内网地址就能用
- 自带并发限制和用量额度
git clone https://github.com/crosswk/SayIt.git
cd SayIt/server
cp config.example.yaml config.yaml
cp .env.example .env
docker compose up -d --build| 音频时长 | 识别耗时 |
|---|---|
| 30 秒 | 约 0.8 秒 |
| 1 分钟 | 约 1.6 秒 |
| 5 分钟 | 约 3.0 秒 |
录音在哪识别，你来选。
区别只有两点：录音送到哪里，用的是谁的模型。
-
本地模式
不联网也能用
你的电脑你说话本机识别录音不出电脑
- 费用
- 免费
- 准备
- 下载一个模型，240 MB 起
- 速度
- 9 秒的话，普通 CPU 不到 1 秒
可选模型
Qwen3-ASR
SenseVoice- Fun-ASR
Nemotron- Parakeet
-
云 API 模式
用大厂的识别模型
你的电脑你说话服务商录音直接发给服务商，不经过 SayIt
- 费用
- 按用量付给服务商，一个月几块钱
- 准备
- 服务商的 API Key
可选服务商
豆包- 千问
小米 MiMo
OpenAI
Gemini
Groq
OpenRouter- OpenAI 兼容
-
服务器模式默认
装好就能说
你的电脑你说话服务器录音发到你连的服务器，识别完不保留
- 费用
- 体验服务器免费，有用量限制
- 准备
- 什么都不用
连哪台服务器
- SayIt 体验服务器Qwen3-ASR 1.7B，安装后默认连它
- 公司自己的服务器内网部署，见上面「私有部署」
AI 整理
识别完再交给大模型润色，三种模式都能用。任选一家，也能用本机的 Ollama。
DeepSeek- 通义千问
- 豆包
智谱 GLM- 小米 MiMo
- Groq
Ollama- OpenAI 兼容
软件界面演示
这是 SayIt 主窗口的网页版，每个按钮都能点。
试试看
SayIt
随口说，出色写
按下 右 Alt 开始口述，再按一次结束并插入文本。
最后的转录
有三件事：1. 修复漏洞的 Bug。2. 推送到 GitHub 看看。3. 最后再告诉我结果。
历史记录
今天
-
ASR 原文：有三个事情，先修复漏洞的 bug 吧。呃，然后推送到 GitHub 看看，最后再告诉我结果。
-
ASR 原文：嗯解释的内容太多了，你直接这两段，每一段用一段话分一些要点解释一下就行了。
-
ASR 原文：嗯，把那个瑞翠逻辑抽成一个哈克，超时改成二十秒，不对，三十秒，然后顺便补上单元测试。
-
ASR 原文：明天上午十点开会，不对，十一点，记得带上那个新版本的设计稿。
-
ASR 原文：计划是先修登录的 bug，然后推到 GitHub，最后告诉我结果。
没有找到匹配的记录
语音引擎
选择语音转文字的运行方式，并配置对应的识别服务。
工作模式
就绪语音识别 (ASR)
点一张即启用，它的供应商与密钥会一起生效。卡上的耗时是用内置测试音频真跑一次测出来的。
热词
把人名和专业术语加进来，识别和整理时会优先写对。
- Qwen3-ASR
- Claude Code
- Kubernetes
- pull request
- SayIt
- 张伟
- 飞书
- Redis
AI 整理
配置 AI 如何整理识别出的文字（校对开关、提示词预设、按应用的规则）。
润色模式
选择或自定义 AI 对语音文本的处理方式。
- 意图整理内置你是语音文本精炼助手。输入是 ASR 语音识别的原始转写，你的任务是将其清洗为逻辑清晰、准确且简洁的干净文本。 直接改，改完就生效。
- 忠实校对内置你是语音转文字「忠实校对」助手。输入是 ASR（语音识别）的原始转写，你的任务是修正错误、清理格式并规范专业术语，同时尽量保留原话的措辞和语气。 直接改，改完就生效。
- 中翻英忠实校对内置你是语音转文字「中翻英忠实校对」助手。输入是中文 ASR（语音识别）的原始转写，你的任务是先在理解层面修正中文识别错误，再忠实地翻译成自然的英文。 直接改，改完就生效。
- 口语化整理内置你是语音转文字「口语化整理」助手。输入是 ASR 语音识别的转写，它本来就是一个人随口说出来的话——保持口语感，只去掉明显的口头禅和重复。 直接改，改完就生效。
AI 供应商
选择并配置提供 AI 整理能力的服务商与密钥。
AI 服务
点一张即启用，它的地址、密钥、模型会一起生效。
关于
设置
界面语言
只改变界面文字，不影响语音识别的语种。
键盘快捷键
录音或识别处理期间按 Esc 可以取消本次识别，不会插入文字，录音也不会保留。
麦克风
偏好设置
应用
外观
应用主题
悬浮窗样式
波形主题
悬浮窗长度
悬浮窗预览
使用统计
自 2026-08-02 起，已使用 72 天
使用时段
凌晨上午下午晚上
工作模式
Prompt 预设
应用使用次数
诊断
系统状态
- 工作模式云 API 模式
- ASR豆包 ASR（Doubao-Seed-ASR-2.0）
- 本地引擎Vulkan · 进程内存 612 MB · transcribe.cpp 0.4.2
- 计算设备NVIDIA GeForce RTX 4060（独立显卡，8 GB）
- AI 整理DeepSeek（deepseek-v4-flash）
常见问题
识别完成后，文字没有插入到输入框？
- 先点一下输入框：光标要在里面。
- 按住快捷键时别切窗口：松手那一刻光标还得在输入框里。
- 所有程序都插不进：多是安全软件拦的（如 360），把 SayIt 加进信任列表。
- 游戏、安装程序插不进：它们以管理员运行，让 SayIt 也以管理员运行。
- 只有某个程序插不进：SayIt 还认不出它的输入框，先用卡片上的复制按钮拿走文字。
都没用？用下方「问题反馈与诊断」选「文字没插进去」提交。
运行日志
显示最近 200KB 日志内容
20:31:02 [hotkey] hands-free start key=RightAlt20:31:02 [recorder] Recording started mic="麦克风阵列"20:31:08 [asr] doubao ok chars=41 asr_ms=61220:31:09 [llm] deepseek-v4-flash ok ms=56620:31:09 [inject] gate=uia sent=4 target=WindowsTerminal.exe20:42:15 [mic] low input level, rms=0.00620:42:19 [asr] doubao ok chars=18 asr_ms=54021:03:47 [llm] request timed out after 15s, fell back to raw text21:03:47 [inject] gate=caret sent=4 target=Weixin.exe
在浏览器里试试
说几秒钟，录音会发到 SayIt 体验服务器识别。
- 说完自动整理成书面文字
- 一次最长 5 分钟
- 不用安装，也不用注册
SayIt 在线体验…
识别结果
点左边的按钮开始说话，识别出的文字会显示在这里。
识别原文
常见问题
要钱吗？
不要。SayIt 免费开源，不用注册账号。只有用云 API 模式时，识别费用按量付给你选的服务商，个人用一个月大约几块钱。
我的录音会被保存吗？
历史记录和录音只存在你自己的电脑上。本地模式录音不出电脑；云 API 模式直接发给你选的服务商；服务器模式发到服务器识别，识别完不保留。
支持 Mac 和手机吗？
暂时不支持。目前只有 Windows 10 和 Windows 11 版。
要换掉我现在的输入法吗？
不用。SayIt 只占一个快捷键，打字照常用你的输入法，想说话时按一下快捷键就行。
在 Claude Code、Codex、Kiro 里能用吗？
能。文字会打在当前光标处，终端、IDE、浏览器、聊天软件都行。内置的「口语化整理」就是为给 AI 下指令准备的，也可以按应用自动切换。
快捷键怎么用？
默认按一下右 Alt 开始说，再按一下结束，整理好的文字直接打出来。也可以另设一个键按住说话、松开结束，快捷键能换成别的键或鼠标侧键。
电脑配置要求高吗？
不高，不需要显卡。服务器模式和云 API 模式对电脑没有要求；本地模式用 CPU 就能跑，有显卡会自动加速。
支持哪些语言？
中文、英文和中英混说都没问题。其他语言要看模型：本地的 Nemotron 3.5 支持 32 种，云端的 OpenAI、Gemini 支持得更多。
公司内部怎么部署？
准备一台 16 GB 显存以上的 NVIDIA 显卡服务器，用 Docker Compose 一条命令启动。成员在「语音引擎 → 服务器模式」里填上服务器地址就能用。
和 Typeless、Wispr Flow 比怎么样？
做的是同一件事。它们是订阅制的云服务；SayIt 免费开源，提示词能自己写，识别也能放在本机或公司内网。目前只有 Windows 版。