语音输入

三种手势

按住 Ctrl+Win 片刻并说话，松开即结束。连按两下可免提说话，再按一下停止。说话时按住 Shift，你的话会变成结构化的提示词，而不是一句话。Esc 会丢弃录音。麦克风在按下的瞬间就打开，所以你的第一个音节不会丢。

• 在 Station 内，文字进入有光标的输入框或终端
• 在其他应用中，文字通过剪贴板粘贴进去
• 悬浮的小胶囊显示当前状态（语音输入、转写中…、整理中…、已粘贴）并带有实时波形

语音转文字，三种方式

本地方式在 CPU 上运行 whisper.cpp，首次使用时下载：8 MB 的引擎加 181 MB 的模型，转写 6.8 秒语音只需 0.9 秒；音频较难时还有 547 MB 的大模型。无需账号、无需密钥、无需网络。托管方式使用兼容 OpenAI 的 API：Groq 的 whisper-large-v3-turbo、OpenAI 的 gpt-4o-transcribe，或你指定的任意 base URL 和模型。

整理，但不改写你的话

第二步按作用而不是按词表去除口头语，“嗯”“那个”“like”“you know”，保留你自己的更正（“不对，等一下，是 typecheck”），补上标点，并根据上下文修复识别出错的技术词汇。它从不总结、翻译或回答；你说的话始终被当作文本，绝不当作指令。没有服务密钥时，会改用快速的基于规则的整理。

• 词汇表，让识别和整理都倾向于你项目里的词
• 替换：“听到 X 就写成 Y”
• 防范静音，以及 Whisper 爱凭空编造的字幕署名

从设计上就是私密的

音频从不写入磁盘。历史只保留文字和你的语速，一个开关就能关掉。按键监听器是一个 9 KB 的辅助程序，由 Windows 自带的 C# 编译器在你的电脑上编译；它只检查你配置的按键，每 10 ms 一次，占用 12 MB。