蛐蛐 QuQu 開源中文語音輸入工具，說的話在本機轉成可讀文字

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

先把你可能最想知道的三件事講完。它是免費的開源中文語音輸入工具嗎？是，GitHub 上 2,266 顆星（截至 2026 年 8 月），Apache-2.0 授權，軟體本身不收費。它標榜的「語音不出電腦」是真的嗎？翻開原始碼對照，音訊處理確實全程在本機，整個專案找不到任何統計或遙測元件；但辨識出來的「文字」如果開了 AI 潤色，會送到你自己填的雲端 AI 端點。那一般使用者下載就能用嗎？不行，它唯一發布過的正式版本連一個安裝檔都沒有附，想用就得從原始碼自己建置。

這三個答案其實指向同一件事：把蛐蛐當成裝好就用的現成軟體會失望，它更接近一台組裝好的引擎，燃料（AI 金鑰）要自己加，後續保養（維護）也要自己扛。以下先把該知道的界線攤開；辨識速度與準確率我沒有實測，安裝前請把它當成待驗證項目。

一段口語進去，兩段處理出來

蛐蛐（QuQu）是 2025 年 9 月出現的桌面端語音輸入工具，Windows、macOS、Linux 三平台都標榜支援。按一下全域快捷鍵（目前版本實際生效的是 Cmd 或 Ctrl 加 Shift 加空格）開始說話，再按一下結束，辨識完成的文字自動貼到游標位置，這是它的基本使用循環。

它比較特別的地方是把「聽寫」拆成兩段獨立的處理。第一段是語音辨識：用阿里巴巴開源的 FunASR 套件組合三個模型，Paraformer-large 負責把聲音轉成中文字、FSMN-VAD 負責斷句、CT-Transformer 負責標點符號。翻開 funasr_server.py 這個檔案可以看到，三個模型跑在一個本機的 Python 子程序裡，透過標準輸入輸出跟主程式溝通，模型檔第一次使用時從 ModelScope 下載，之後存在使用者目錄的快取資料夾。

第二段是文字潤色。辨識出的逐字稿可以再送到一個 OpenAI 相容的 AI 端點，做格式化、糾錯、長文整理或摘要等六種處理。README 的例子是說了「週三開會，不對，是週四」，輸出會直接變成「週四開會」；口頭禪和填充詞也會被清掉。這是作者宣稱，不過對應的提示詞設計真的寫在程式裡：溫度設 0.3，明確要求保留語氣詞和原句結構、只刪填充詞、禁止把口語換成書面用詞，連「蠻不錯」這種台味口語都被點名不可以改成「非常好」。設計方向是「最小干預」，長文整理模式的提示詞裡另有一套分段與話題跳轉規則，實際清得多乾淨，要看你接的模型和那段提示詞的合作程度。

聽寫的成果會留在本機的歷史紀錄視窗，可以搜尋、複製、單則刪除，也能整批匯出成純文字檔。對把語音當輸入法的人來說，歷史紀錄就是備援：辨識錯了、貼錯地方了，回頭都找得到原文。

「語音不出電腦」這半句，原始碼撐得住

很多工具的隱私宣傳經不起原始碼檢驗，蛐蛐這半句倒是站得住。把整個專案的程式碼掃過一遍，程式運行時對外連線的對象只有三種：你自己填的 AI 端點、首次設定時從 Python 官網下載的執行環境、從 ModelScope 下載的模型檔。常見的遙測與統計 SDK 一個都沒有，翻遍依賴清單也沒有 Sentry、PostHog 這類元件；辨識歷史存在本機的 SQLite 資料庫，沒有雲端同步功能（建置打包階段另會從 GitHub 下載嵌入式 Python，不影響運行期的結論）。

換句話說，你說出口的聲音檔，在這個程式的設計裡沒有任何一條路可以離開你的電腦。對語音內容特別敏感的人，例如口述的內容涉及客戶資料、醫療紀錄或未公開的商業資訊，這個架構本身就是賣點。

附帶條件也要一起看。模型第一次要從 ModelScope 下載，那是阿里巴巴經營的模型庫，伺服器在中國大陸，下載速度與穩定性視你的網路環境而定，GitHub 上的 issue 也有人回報模型下載失敗或路徑抓錯的狀況。另外在 macOS 上，貼上文字的動作走 AppleScript 模擬按鍵，系統會要求你先開輔助使用權限，這是這類聽寫工具的標準代價，不算蛐蛐的缺陷。

潤色那一半：文字會出門，鑰匙是你自己的

語音辨識是真的本機，潤色層就是另一回事了，這也是整個工具最需要想清楚的地方。

蛐蛐不內建任何 AI 服務。沒填 API 金鑰的時候，程式會提示你先到設定頁面填金鑰，逐字稿原樣保留，聽寫功能照常可用；也就是說單用本機辨識、完全不接 AI，是一個完整可用的模式。填了金鑰之後，每段逐字稿的文字內容就會送到你指定的端點，預設是 OpenAI 的官方位址，設定頁也提供一鍵套用阿里雲 DashScope 的快捷配置。

還有幾個細節要留意。潤色開關在程式碼裡預設是開啟的，意思是金鑰一填上去，之後每段聽寫的完整文字預設都會出門，想只在本機處理要自己手動關掉。而且已發布的程式碼裡，AI 請求沒有逾時與重試保護，端點反應慢的時候它就是等；社群有人提交了加上 2 秒逾時與 3 次重試的修改，但一直沒有被合併進主線，這個細節下一節會有它的份量。

平心而論，這套 BYOK（自帶金鑰）設計比多數「免費工具偷偷把資料送去某個固定服務」乾淨：沒有綁定廠商、沒有內建金鑰、不潤色也能用，資料流向完全由你填的端點決定。但「隱私至上」的宣傳話術只涵蓋了語音那一半，文字那一半的邊界要由你自己劃。如果你的端點填的是 OpenAI，那段文字就到了 OpenAI；填的是公司自架的模型伺服器，就到了那台伺服器。工具把選擇權給你，也把判斷責任一併給了你。

還有兩個 README 的行銷說法，對照程式碼要打折扣。其一是「根據你當前的應用（寫程式、回郵件）智慧調整輸出格式」：程式裡沒有偵測前景應用再切換指令的邏輯，唯一讀取前景應用名稱的程式碼，用途是檢查 macOS 輔助使用權限。程式裡寫了超過 150 字自動改走長文整理的邏輯，但它掛在一條沒接上的路徑；實際聽寫流程不論長短都走一般優化，格式化、糾錯、摘要那幾組提示詞同樣寫了卻用不到，也沒有讓你自訂指令的欄位。其二是「準確識別並格式化 camelCase、snake_case 等編程術語」：同樣找不到對應的專門處理，辨識得出哪些英文術語，取決於 FunASR 模型本身的轉寫能力。對照著讀，README 更像願景文件，程式碼才是現狀。

和 Wispr Flow 的真實差距：現成服務對上 DIY 引擎

蛐蛐的自我介紹就是「Wispr Flow 的開源免費替代方案」，README 的對照表把對方標成每個月 12 美元的訂閱。以 2026 年 8 月 Wispr Flow 官網定價頁為準，這個數字需要修正：Wispr Flow 有免費層，桌面端每週 2,000 字的聽寫額度；Pro 方案月繳是 15 美元，12 美元是年繳折算後的單價。對輕度使用者來說，對方本來就有免費額度可用，「改用蛐蛐省下訂閱費」這筆帳沒有宣傳裡那麼簡單。

Pin

把表攤開之後會發現，兩者真正的差異不在價格，在於你買的是產品還是引擎。Wispr Flow 是打開就能用的服務，官方標榜支援一百種以上語言，代價是語音上雲與訂閱費；蛐蛐只做中文，換來的是整套可控的處理鏈，代價是建置工、AI 流量費與維護責任。語音辨識品質誰高誰低，沒有實測之前我不下判斷，這也正是免費方案最需要自己驗證的部分。這條賽道上已經有好幾個開源挑戰者，OpenLess 走的是把口說整理成結構化 Prompt 的路線，同樣掛著 Wispr Flow 開源替代的招牌，選擇前值得一起看。

沒有安裝包的開源工具，安裝本身就是門檻

多數人對「開源免費工具」的期待是下載、安裝、開始用。蛐蛐在這一步會直接把不願意碰命令列的人篩掉。

它至今唯一的一次正式發布是 2025 年 9 月 22 日的 v1.0.1，而那次發布的附件清單是空的。發布說明自己承認：macOS 的預編譯包有程式簽署問題，無法正常開啟，建議使用者從原始碼自行建置，原本放在外部空間的下載連結也已經劃掉。這個專案從頭到尾沒有提供過一個能直接雙擊執行的安裝檔。

Pin

要把它跑起來，README 開出的條件是 Node.js 18 以上、pnpm、Python 3.8 以上，再走三條路徑之一：用 uv 自動管理 Python 環境（官方推薦）、自己建虛擬環境裝 FunASR 相關套件、或使用打包用的嵌入式 Python。模型另需下載，首次設定的下載量以 GB 計。macOS 上如果沒有 Python，安裝輔助程式還會自己從 Python 官網抓安裝包。這是一份寫給會用終端機的人的說明書，門檻不算兇悍，但每一步都在過濾非技術使用者。

已知的坑也有跡可循。README 寫的喚醒鍵是 F2，issue 裡也有人建議避開它，因為 F2 在 Windows 檔案總管是「重新命名」，邊聽寫邊改檔名會撞鍵；不過對照程式碼，目前版本根本沒有綁 F2，實際生效的是 Cmd 或 Ctrl 加 Shift 加空格，自訂快速鍵也還沒有開放。模型載入卡住、模型路徑偵測失敗同樣都有人回報。這些問題單獨看都不大，加在一起就是安裝體驗的真實樣貌。

兩千顆星之後，維護停了下來

蛐蛐的 GitHub 時間軸很值得整段看。2025 年 9 月 20 日建立專案，靠「Wispr Flow 開源替代」的定位快速累積到兩千多顆星；最後一次提交停在 2025 年 10 月 8 日，之後 main 分支就凍結了，到 2026 年 8 月已將近一年沒有新 commit。有個耐人尋味的細節：那最後一次提交，內容正是加上 node-gyp 依賴讓專案能在最新版 Node.js 上建置。等於停在「追上新版環境」的補丁上，下一個 Node.js 大版本再改掉什麼，就沒有人跟著修了。對一個必須從原始碼建置的工具，這是比功能缺陷更實際的長期風險。

凍結之後的社群狀態也看得出作者離場了。累積 53 個未關閉的 issue 與 pull request 裡，最連續的一串是微信群二維碼過期，從 2025 年 11 月一路有人留言提醒，到 2026 年 8 月還在開新的 issue，始終沒有人處理。至少六個 pull request 躺著未合併，內容包括修 FunASR 啟動的競態問題、避免模型載入時誤彈錯誤視窗、加上 AI 請求的逾時保護，都是有人寫好等著收的修正。貢獻紀錄也說明這實質上是一人專案：主要作者 26 次提交，另外四人各 1 次。

這段不是「專案已死」的判決書。程式碼完整、LICENSE 檔採 Apache-2.0（允許商用與修改，不過 package.json 另標成 MIT，兩處宣告並不一致）、模型與依賴都還拿得到，任何人都可以合法 fork 一份自己養。誠實的說法是：維護責任已經從作者轉移到每個採用者身上。用到一半遇到新版 macOS 或新 Node.js 出狀況，等上游修是不切實際的，你要嘛自己補，要嘛找到有人維護的 fork，要嘛接受它停在 2025 年 10 月的樣子。對個人玩家這通常可以接受，對想引進團隊的人這是必須先回答的問題。

決定採用前，先誠實回答這幾題

• 你能接受打開終端機跑幾行指令，並在出錯時看懂錯誤訊息嗎？不能的話，這個工具現在的形態不適合你，現成的雲端聽寫服務或許更實際。
• 你願意為了潤色功能申請並付費 AI API 嗎？不願意的話，你拿到的是純本機的中文逐字稿工具，這其實也是完整可用的形態，只是 README 裡那些自動修正口誤、清理口語的例子與你無關。
• 上游停更之後，你能自己 patch 或找到 fork 嗎？答案是否定的話，把它用在關鍵工作流程前要想清楚退場方式。

三個都過，蛐蛐給你的東西確實少見：一條語音完全不出機器的中文聽寫管線，加上可以自由替換的潤色層，以及一份可以合法改造的 Apache-2.0 授權。同類型的選擇也值得並列比較：Input 0 是 macOS 上的開源語音輸入工具，同樣強調本機轉錄，它的 LLM 潤色層預設外送；FreeFlow 走按住 Fn 即時聽打的路線，也是開源專案；Speech-to-Markdown 則用 whisper.cpp 加本地 LLM 組出類似工作流，還分成 Mac 與 iPhone 兩個版本。這幾個專案共同的課題都一樣：辨識可以在本機完成，潤色的資料流向卻要每個人自己把關。

真的要裝，從這裡開始

照 README 的快速開始走：複製專案、pnpm 安裝依賴、用 uv 建立 Python 環境、執行模型下載腳本、pnpm run dev 啟動。第一次跑通之後，先驗證這幾件事：把網路關掉再聽寫一段，確認辨識真的在本機跑（這是你自己就能做的最硬驗證）；不填 AI 金鑰確認聽寫可用；填了金鑰之後，留意預設開啟的潤色會把每段文字送出門，需要時自己關。macOS 記得先在系統設定授予輔助使用權限，否則文字貼不上游標位置。

最後一句收斂：蛐蛐把「中文語音輸入可以完全不依賴雲端」這件事做成了真的，程式碼也攤在陽光下任你檢驗；它沒做到的是把這份能力包裝成人人可用的產品。引擎是真的，油錢和保養，從你決定採用的那一刻起就是你的了。