altic-dev/FluidVoice
Fastest and only macOS Dictation app with on-device STT and custom trained AI enhancement model. A local Wispr Flow alternative. DM us on X for an easter egg 😉 - https://x.com/fluidvoiceapp
Swift · ★ 10,408 · Fork 703 · 在 GitHub 查看
在手机上浏览源码、订阅每日 AI 趋势日报与项目架构深度解读:获取 CopoHub 客户端(iOS & HarmonyOS)→
GitHub Trending 上榜记录
altic-dev/FluidVoice 已在 GitHub Trending 每日榜单上榜 9 天,最高排名第 3,首次上榜 2026-06-28,最近一次上榜 2026-08-16。
| 日期 | 排名 | Star | 当日增长 |
|---|---|---|---|
| 2026-08-16 | #10 | 10,408 | +104 |
| 2026-08-15 | #10 | 10,297 | +311 |
| 2026-08-14 | #5 | 10,040 | +76 |
| 2026-08-13 | #5 | 9,823 | +187 |
| 2026-07-02 | #16 | 5,696 | +572 |
| 2026-07-01 | #4 | 5,436 | +588 |
| 2026-06-30 | #3 | 4,874 | +830 |
| 2026-06-29 | #4 | 4,333 | +836 |
| 2026-06-28 | #8 | 3,657 | +491 |
同期上榜的项目
- cordiverse/cordis – Meta-Framework of Spatiotemporal Composability
- basecamp/omarchy – Beautiful, Modern & Opinionated Linux
- unslothai/unsloth – Local UI to run and train LLMs and diffusion models. Supports GGUF, MLX, Qwen3.8, DeepSeek-V4, MiniMax-H3, Gemma 4, FLUX and more.
- OpenCut-app/OpenCut – The open-source CapCut alternative
- public-apis/public-apis – A collective list of free APIs
- ToolJet/ToolJet – ToolJet is the open-source foundation of ToolJet AI - the enterprise app generation platform for building internal tools, dashboard, business applications, workflows and AI agents 🚀
FluidVoice 项目深度剖析与商业评估报告
FluidVoice 项目深度剖析与商业评估报告
1. 核心定位与商业落地价值
根本痛点解决 FluidVoice 精准切入 macOS 生态中长期存在的痛点:高质量、低延迟、完全离线的语音转文本(STT)方案缺失。macOS 原生听写功能存在延迟高、语言支持有限、不可自定义模型等缺陷;而云端方案(如 OpenAI Whisper API、Google Cloud Speech-to-Text)在隐私合规、网络依赖、延迟波动和持续成本上存在显著问题。FluidVoice 以“本地优先+多模型支持”为核心,实现了零数据离机的实时听写体验,直击企业级数据合规(如 HIPAA、GDPR)和个人隐私敏感场景。
企业级商业落地场景 1. 医疗病历录入:医生口述病历,全程本地处理,符合医疗数据合规要求。支持 Parakeet 和 Nemotron 的低延迟特性可实现实时听写,而 Fluid Intelligence 的本地 AI 模型可自动格式化医疗术语和缩写。 2. 法律文档起草:律师口述法律文书,本地模型确保保密性,Command Mode 可自动化打开文档模板、插入标准条款。 3. 无障碍辅助技术:为残障人士提供高效、私密的语音输入替代方案,企业可定制模型和提示词以匹配特定工作流。 4. 内容创作与笔记:作家、记者、研究员在离线环境下进行高质量听写,支持多语言(40+语言)和 Whisper 的99语言支持,覆盖全球化团队。 5. 企业自动化工作流:通过 Command Mode 和 Write Mode,可构建“语音触发 + 文本处理 + 系统操作”的自动化流水线,例如语音命令“创建JIRA工单,标题为...,描述为...”直接完成操作。
竞品差异化与护城河 本地模型矩阵:相比 Apple Speech(仅原生语言)、Whisper(需较大模型文件),FluidVoice 提供从 250MB 的 Parakeet Flash 到 1.4GB 的 Cohere Transcribe 的梯度选择,覆盖不同延迟、精度和硬件需求。Nemotron Speech 3.5 的流式能力在同类开源工具中罕见。 Fluid Intelligence 私有层:虽然核心模型开源,但 Fluid Intelligence 作为私有本地 AI 运行时提供高级后处理(智能格式化、上下文大小写、后处理),形成商业护城河。这类似于“开源核心 + 闭源增值”策略,确保项目可持续性。 零配置开箱即用:通过 Homebrew 一键安装,权限引导清晰,模型下载自动完成。对比需手动配置模型路径、API 密钥的竞品(如 whisper.cpp 的客户端),用户体验优势显著。 全局热键与 Accessibility API 集成:允许从任意应用触发听写并直接插入文本,避免了复制粘贴的割裂感,这是 macOS 原生听写所不具备的灵活性。
2. 核心架构设计与技术深度
模块拆解思想 项目采用 Swift + SwiftUI 原生 macOS 应用架构,核心模块可抽象为: 1. 音频捕获层:基于 AVAudioEngine 或 Core Audio 实现低延迟音频流捕获,支持麦克风输入和系统音频(可选)。 2. 模型管理层:抽象协议 SpeechModel 定义统一接口(transcribe(audioData:)),具体实现包括: ParakeetModel:基于 NVIDIA NeMo 的 Parakeet 系列模型,利用 Core ML 或 Metal Performance Shaders 进行 GPU 加速推理。 NemotronModel:基于 NVIDIA Nemotron Speech 3.5,支持流式推理。 WhisperModel:基于 OpenAI Whisper 的 Core ML 转换版本。 AppleSpeechModel:使用 SFSpeechRecognizer 原生 API。 3. AI增强层:FluidIntelligence 作为私有模块,接收原始转录文本,输出后处理结果。采用本地 LLM 或专用 NLP 模型(如基于 MLX 或 Core ML 的小型 Transformer)。 4. 全局热键与 Accessibility 层:使用 CGEvent 和 AXUIElement 监听全局快捷键,并通过 Accessibility API 将文本注入到任意应用的文本字段中。 5. UI层:SwiftUI 实现自适应主题、Notch-aware 覆盖层、菜单栏集成。使用 NSWindow 和 NSPanel 实现全局覆盖层,支持浮动、固定位置和自适应大小。
关键设计模式 协议驱动多态:SpeechModel 协议定义 transcribe(audioData: Data, completion: @escaping (Result<String, Error>) -> Void),允许运行时切换模型,支持动态加载和卸载以节省内存。 依赖注入:通过 @EnvironmentObject 或自定义 ServiceLocator 注入音频捕获、模型管理、AI增强等服务,便于测试和模块替换。 观察者模式:用于实时转录流式输出,音频捕获层生成 AudioChunk,模型层返回 TranscriptionChunk,UI层订阅更新实现实时预览。 状态机:应用状态(空闲、监听、转录中、增强中)通过 enum 和 @Published 属性管理,防止竞态条件。
在 README 中展示上榜徽章
[](https://github.fq6825.top/repo/altic-dev/FluidVoice)