功能强大。
毫不臃肿。
在你自己的 CPU 上离线运行的语音识别，文字直接写进你正在用的程序，需要时再开启 AI。
实时输入
一边口述，一边看着文字随说随写进你的程序，停下时最后几个词随即落定。更习惯传统方式？录音结束后一次性出文的常规模式一直都在。实时输入属于 Pro 功能。
全局快捷键
在 Windows 的任何地方按下你设定的快捷键即可开始或结束听写，也可以像对讲机那样按住不放（按住说话），或者让自动模式自己分辨轻按与长按。无需切换窗口——程序始终浮在你的工作之上。按住说话和自动模式属于 Pro 功能。
默认即私密
你的语音由 Parakeet Ultra（NVIDIA Parakeet 模型的改进版）在本地 CPU 上识别。除非你自己打开 AI 功能，否则不会有任何内容发往云端。断网时也能照常听写。
多语言，离线可用
Parakeet 在你的设备上完整识别 25 种欧洲语言，并会自动判断你说的是哪一种，无需事先选择语言。挪威语（书面挪威语与新挪威语）可通过可选的 NB-Whisper 语言包获得，需要时再下载；打开 AI 后，听写内容还能翻译成几乎任何语言。应用本身的界面提供 14 种语言。
AI：翻译与改写
口述内容可翻译成几乎任何语言；在任何地方选中文字，用语音把它改写；若什么都不选，口述就会直接以誊清好的样子送达。AI 属于 Pro 功能：可以使用无需设置的内置 AI（Pro + AI），也可以用你自己的密钥连接 OpenAI、Anthropic、Google Gemini、DeepSeek、Groq、Mistral、OpenRouter、YandexGPT 或任何兼容 OpenAI 的地址——密钥始终留在你的电脑上。发送的只有文字，从不发送声音。
为工作流而生
自定义快捷键（组合键、双击修饰键或鼠标按键）、完整的音频面板（麦克风选择、灵敏度和实时电平表）、降噪、可搜索的识别历史，以及按需下载的挪威语语言包。识别历史属于 Pro 功能。
智能输入
VibeVox 会把文字直接写进你当前的程序。如果你在听写途中切换了窗口，文字会安全地落进剪贴板，而不是错误的程序。粘贴进去的听写内容不会出现在 Windows 剪贴板历史（Win+V）中。还可以用格式开关（Pro）微调结果——比如首字母小写，或去掉末尾的句号。
免手动与长段录音
Pro 版提供免手动听写：用快捷键开启聆听后，每当摄像头看到你的嘴唇在动、麦克风也听到你的声音，就开始录下这一句——文字依然是从声音中识别的，而不是从视频里。另外还有最长 5 分钟的录音、文字一输入完就自动发送消息的 Auto Enter，以及听写时自动静音音乐和视频。
降噪
为嘈杂环境准备的两档：普通档去除风扇、空调这类持续的嗡嗡声，AI 降噪则能应付咖啡馆和街道的噪音。两者都在你的电脑上运行。默认关闭，因为安静的房间用不上；开启期间无法使用实时输入。
你自己的词语和术语
识别容易出错的人名、术语和缩写：把正确写法写一次，发音相近的错误就会自动改成它。你还可以把说出的某个词替换成任何内容，比如你的电话号码或地址。属于 Pro 功能。
支持 NVDA 和讲述人
NVDA 和 Windows 讲述人会朗读设置窗口——每个开关都会读出名称、开关状态及其作用。录音开始和结束时会响起简短的提示音，不看屏幕也知道它正在聆听。
AI 可选
听写在你的电脑上完成，既不需要 AI，也不需要联网。AI 是为三件事准备的附加功能：翻译你口述的内容、用语音改写选中的文字、把口述誊清。是否打开由你决定，而且发送的只有文字，从不发送你的声音。
你自己的密钥
已经有 OpenAI、Anthropic（Claude）、Google Gemini、DeepSeek、Groq、Mistral、OpenRouter 或 YandexGPT 的 API 密钥？把它粘贴到设置里即可。文字会从你的电脑直接发给你的服务商，费用按服务商自己的价格付给它。任何兼容 OpenAI 的服务也都可以用。密钥始终留在你的电脑上。
包含在 Pro 中（€29，一次付费）
内置 AI
什么都不用设置：不需要密钥，也不需要其他服务的账号。打开就能用，模型由我们替你选。文字在欧洲处理。
Pro + AI 订阅，每月 €5.99，随时可取消
不需要 AI？不打开就行：其他功能都不依赖它。在最初的 14 天里，两种方式都可以试用。
25 种语言，完全离线
Parakeet 会自动判断语言，并完整地在你的设备上识别。没有云端，无需账号——你的声音从不离开这台电脑。
可选语言包挪威语？也有。
书面挪威语与新挪威语通过 NB-Whisper Small 运行——这是挪威国家图书馆的模型。VibeVox 直接从设置里下载一次（约 670 MB），它同样完全离线工作。选择方法：设置 → 常规 → 识别模型 → 挪威语。
技术规格
Parakeet Ultra 是 NVIDIA 语音识别模型 Parakeet TDT 0.6B v3 的改进版：经过再训练以提高准确率，并由我们转换为 8 位，以便在普通处理器上快速运行。在覆盖 25 种语言的 FLEURS 测试中，它的词错误大约只有原始模型的一半（11% 对 20%）。挪威语有专门的模型：挪威国家图书馆用挪威语语音训练的 NB-Whisper Small。
深入内部：新一代架构
Token-and-Duration Transducer（TDT）
传统 RNN-T 一次只预测一个 token，而 Parakeet 的 TDT 架构会同时预测 token 及其时长。这让模型在推理时能够跳过静音与冗余帧，大幅缩短计算时间。
- token 与时长联合预测
- 跳帧加速推理
8 倍降采样的 FastConformer
基于 Conformer 架构，但为速度做了优化。它采用 8 倍降采样更高效地处理音频帧，把 Transformer 的全局上下文与卷积网络的局部特征提取结合起来。
- 8 倍降采样系数
- 完全在 CPU 上运行——无需显卡
立即开始听写
完全免费
前 14 天所有付费功能全部开放。不用银行卡，也不用账号。