Parroting Journal · 文章

用语音输入写程序:对 Claude Code、Cursor、Codex 口述 Prompt 的设置与排障

用 Claude Code、Cursor 或 Codex 写程序时,花最多时间的常常不是写语法,而是把需求、边界条件和修改方向完整交代给 AI。用讲的比打字快,但工程师一开始用语音输入,很快会遇到四个问题:英文术语被听成中文同音字、边想边讲的改口全被贴进去、想整理口语却要付月费,还有切换窗口时字贴错地方。这篇整理我自己在 Mac 上用学舌鸟对 AI 写程序工具口述的设置和排障做法。

· 约 7 分钟阅读

繁體中文English简体中文日本語
鹦鹉坐在屏幕前对著麦克风说话,屏幕上的程序码一行行出现

我是 Sona Orbit,一个人开发学舌鸟的独立开发者。学舌鸟是我做的免费 Mac 语音输入工具,Mac 版以开源的 Handy(MIT 授权)为基础。文中功能与选单名称以学舌鸟 0.4.19 为准;其他工具的价格沿用我 10 月 31 日查证的Typeless 替代方案比较,各家常会调整,请以官网为准。

1. 先看结论:写程序用的语音输入怎么选

对 AI 写程序工具讲话,跟回消息不太一样:句子里一定夹著英文术语、项目名称和指令,而且常常边想边讲、讲到一半改口。挑工具时可以先看这四条路:

路线代表语音识别在哪去赘字、改口费用
本机识别+自选 AI学舌鸟、Handy、VoiceInkMac 本机接自己选的 AI 服务(学舌鸟也可以选 Apple Intelligence)学舌鸟、Handy 免费;VoiceInk 买断 25 美元起
云端订阅Wispr Flow、Typeless云端内建免费版每周约 2,000 字;Pro 每月约 15~30 美元
本机模型+付费功能Superwhisper本机或云端自订模式每月 8.49 美元起,终身 249.99 美元
系统内建macOS 听写部分语言在本机;华语(台湾)不在苹果的本机清单没有,逐字输出免费

每天跟 AI 讲几千字的话,免费版每周约 2,000 字的上限很快就会用完。学舌鸟的识别在本机、没有字数上限;要整理口语才需要接 AI 服务,可以用 Apple Intelligence 或免费的 Gemini key。各工具更完整的比较,请看Typeless 替代方案那篇。

2. 中英夹杂的技术名词怎么识别准

写程序时讲话一定中英夹杂:“帮我看一下 webhook 那支 handler,为什么收到 payload 之后没有写进 Redis?”要让这种句子一次打对,分两步设置。

第一步:选语音模型

在“设置 → 说话 → 语音模型与语言”选模型,按“管理模型”可以下载别的。三个起点:

  • SenseVoice Small(约 250 MB):最快,学舌鸟标“推荐”的就是它,旧一点的 Mac 也跑得顺。
  • Qwen3-ASR:中文错字最少的一组,1.7B 约 1.5 GB、比较慢;0.6B 是折衷。
  • Breeze-ASR-25:联发科创新基地(MediaTek Research)针对台湾华语和中英夹杂调过,最慢,但比较懂台湾说法。

学舌鸟的“中文排版”会在中文句子里补全形标点、在中英文之间加空格,繁简照你的设置,英文术语前后不用自己补空格。各模型的大小、速度和中文错字率,可以看Mac 本机语音识别模型比较。不确定哪个适合你的口音,可以用“个人化训练”里的“朗读录音”:一轮 10 句、约 2 分钟,念完会告诉你错字率,换个模型再念一轮就能比。

第二步:用词典钉住项目名称和缩写

再大的通用模型,也不认识你自己取的项目代号或刚出来的工具名。学舌鸟的词典是在识别完之后再修正,换模型也照样有效。

  1. 改一次,下一句就记住:贴上之后你把听错的字改对(例如把“Jmini”改成“Gemini”),学舌鸟会记下“原文 → 改后”,放进“个人化训练”等你确认。按“加入词典”,下一句就生效。
  2. 重写一整句不会污染词典:学舌鸟用读音判断哪些是听错、哪些只是你事后换了说法。换说法的不会进词典,也不会拿去训练;判断错可以改。
  3. 一次导入整批术语:在“设置 → 词典与纪录 → 词典”可以按“新增”,也可以导入 CSV(第一栏正确写法、第二栏错法),把数据表名、服务名称一次放进去。开了 AI 整理时,词典也会一起交给 AI,避免整理时又把专有名词改错。
鹦鹉在一本小词典上把一个标签改正,旁边的屏幕显示程序码

3. 边想边讲的改口,怎么免费整理

对 AI 讲复杂的修改时,很少人能一次讲得很顺。实际上常常是这样:

“呃,帮我把那个 login 的 API 改成……不对,先不要改 login,先去检查 middleware 里面的 token 验证,过期的话回传 401,然后顺便记一笔 log。”

照原话贴进去,你还得自己删掉“呃、不对、先不要改 login”。学舌鸟的“AI 整理口语”会拿掉赘词和讲到一半的改口再贴上,只整理、不加你没说的内容。没设置 AI 时,会改用本机规则做基本整理。

不想为这个功能付月费,有两种免费做法:

  • Apple Intelligence:在“AI 服务”选 Apple Intelligence,不用申请 key,文字也不离开 Mac。需要 macOS Tahoe(26)以上的 Apple 芯片 Mac,并在系统设置里开启 Apple Intelligence。
  • 免费的 Gemini API key:照三分钟申请教学到 Google AI Studio 申请,不用绑信用卡。免费版每分钟、每天都有次数上限,一般听写和改写通常够用;超过时学舌鸟会先贴上本机整理的版本,不会卡住你打字。依 Google 的说明,免费版送出的内容可能被用来改善 Google 的产品,常讲工作机密的话可以改用付费方案或 Apple Intelligence。

想让每次口述都整理成条列,可以在改写面板选“条理分明”并打开“自动取代”,之后面板关著也会直接贴上整理好的版本。费用细节可以看用自己的 API key 要花多少钱。

鹦鹉把一团乱掉的纸条整理成一叠整齐的卡片

4. 两种操作节奏:按住说话、轻按持续听

默认快捷键是右手大拇指就按得到的 右 ⌥ + 右 ⌘,有两种用法:

  1. 短指令,按住说话:光标停在 Cursor、Claude Code 的终端或 commit 消息框,按住快捷键说话,放开就贴到光标位置。讲到一半不想送出,按 Esc 取消。
  2. 长段口述,轻按持续听:要边看程序码边口述一整段重构计划时,轻按一下快捷键(0.3 秒内放开),浮窗会留在画面上一直听,每次停顿就先整理贴上一段;讲完再按一下结束。过程中可以切换 App,文字会贴到你最后在输入的栏位。

5. 常见排障:贴不进去、快捷键冲突、蓝牙耳机漏字

工程师的桌面通常比较复杂:外接屏幕、好几个终端、IDE、Raycast、Karabiner-Elements。遇到问题可以照这样查:

有识别出文字,但没有贴进 Cursor 或终端

  • 辅助使用权限:学舌鸟要有“辅助使用”权限才能把文字贴进别的 App。到“系统设置 → 隐私权与安全性 → 辅助使用”确认学舌鸟有开;刚更新完突然贴不进去,先把开关关掉再打开一次。
  • App 没回报光标位置:Codex 和其他 Chromium 架构的 App 有时不回报光标在哪。0.4.14 起,学舌鸟会再问一下,还是不回报就照样贴上,并把文字留在剪贴板,万一没贴进去可以自己贴。请先更新到最新版。
  • 光标不在输入框:焦点停在按钮或清单上时不会贴。文字不会不见,打开“历史纪录”就能复制刚才那句。

按快捷键没反应,或触发了别的软件

Raycast、Alfred、Karabiner-Elements 或 Hyper Key 设置,可能占用了右边的修饰键。到“设置 → 说话 → 快捷键”换成没被占用的组合。选单列出现“快捷键被 Secure Input 阻挡”时,是某个 App(常见是密码栏位或终端的安全输入)暂时锁住了键盘,离开那个栏位就会恢复。

戴 AirPods 时前两个字没录到、音乐变闷

这是 macOS 用蓝牙耳机麦克风时的通病:开始录音要先切换蓝牙通道,常常漏掉开头,耳机里的音乐也会暂时变成低音质。坐在桌前的话,到“设置 → 说话”把麦克风固定选 Mac 内建或桌上的 USB 麦克风,让 AirPods 只负责听,开头就不容易漏字。

鹦鹉拿著小扳手,在桌上把一条键盘线重新接好

6. 常见问题

对 Claude Code 或 Cursor 讲话,我的程序码或声音会被传出去吗?

录音和语音识别都在你的 Mac 上,声音不上传。只有你开了 AI 整理或改写时,识别出来的那段文字才会直接送到你选的 AI 服务,不经过我;选 Apple Intelligence 的话,文字也不离开 Mac。

已经有 OpenAI、Anthropic、OpenRouter 的 key,或自己在本机跑模型,可以接吗?

可以。AI 服务除了 Gemini 和 Apple Intelligence,也支持 OpenAI、Anthropic、Groq、OpenRouter 和自订端点。自己架的本机模型只要提供相容的端点,填上地址和模型 ID 就能用。

写程序时需要开语气提醒吗?

对 AI 下指令通常不需要。提醒出现时可以点“这个 App 不提醒”,终端和 IDE 就不会再跳;切回 Slack、LINE 或 Mail 回同事和客户时,本机的语气模型照样会提醒。

没有右边的 ⌥ 或 ⌘ 的外接键盘怎么办?

到“设置 → 说话 → 快捷键”换成你方便按的组合。

延伸阅读:Mac 本机语音识别模型怎么选、语音输入错字怎么修、Typeless 替代方案比较。

← 返回文章列表