开源免费层级的语音转文字工具：Voicebox 基于 Cloudflare AI

Voicebox 是一个新开源的语音转文字工具，旨在通过 Cloudflare 的 AI 服务提供高效、流畅的语音输入体验。用户只需按下预设的快捷键（默认为 Ctrl+Cmd），对着麦克风说话，释放快捷键后，音频便会通过 WebSocket 实时传输到 Cloudflare Worker 进行处理。转录后的文本经过大语言模型格式化，自动复制到剪贴板，并粘贴到用户当前正在使用的应用程序中。

该项目的架构分为两部分：桌面客户端和云端 Worker。桌面客户端使用 Wails 框架开发，后端为 Go 语言，前端采用 React 构建。它目前仅支持 macOS 系统，并需要辅助功能权限来实现自动粘贴功能。云端 Worker 运行在 Cloudflare Workers 上，利用 Durable Objects 管理会话，音频处理使用 @cf/openai/whisper-large-v3-turbo 进行语音识别，然后使用 @cf/qwen/qwen3-30b-a3b-fp8 对转录结果进行格式化，使其更加自然贴合上下文。

Voicebox 的工作流程清晰高效：客户端捕获 PCM 音频数据，通过 WebSocket 实时流式传输到 Worker；Worker 累积音频后调用 AI 模型，返回格式化文本；客户端收到结果后自动粘贴到当前应用。此外，项目还规划了第二阶段——本地后端，将支持 faster-whisper 和 Ollama，以满足离线或隐私敏感场景的需求。

配置方面，用户可以通过 TOML 文件或内置设置界面自定义 Worker 地址、令牌、音频参数和快捷键。项目提供了详细的部署指南，要求用户拥有 Cloudflare 账户并部署 Worker。对于 macOS 用户，需要授予辅助功能权限以启用自动粘贴。

Voicebox 目前虽然仍处于早期阶段，但其简洁的设计和开源特性使其成为语音输入场景的有力候选。开发者可以轻松 fork 并修改，或贡献代码以支持更多平台和功能。该项目在 GitHub 上已有 3 个星标，尚未发布正式版本，但已具备基本功能。