開源免費層級的語音轉文字工具：Voicebox 基於 Cloudflare AI

Voicebox 是一個新開源的語音轉文字工具，旨在通過 Cloudflare 的 AI 服務提供高效、流暢的語音輸入體驗。用户只需按下預設的快捷鍵（默認為 Ctrl+Cmd），對着麥克風説話，釋放快捷鍵後，音頻便會通過 WebSocket 實時傳輸到 Cloudflare Worker 進行處理。轉錄後的文本經過大語言模型格式化，自動複製到剪貼板，並粘貼到用户當前正在使用的應用程序中。

該項目的架構分為兩部分：桌面客户端和雲端 Worker。桌面客户端使用 Wails 框架開發，後端為 Go 語言，前端採用 React 構建。它目前僅支持 macOS 系統，並需要輔助功能權限來實現自動粘貼功能。雲端 Worker 運行在 Cloudflare Workers 上，利用 Durable Objects 管理會話，音頻處理使用 @cf/openai/whisper-large-v3-turbo 進行語音識別，然後使用 @cf/qwen/qwen3-30b-a3b-fp8 對轉錄結果進行格式化，使其更加自然貼合上下文。

Voicebox 的工作流程清晰高效：客户端捕獲 PCM 音頻數據，通過 WebSocket 實時流式傳輸到 Worker；Worker 累積音頻後調用 AI 模型，返回格式化文本；客户端收到結果後自動粘貼到當前應用。此外，項目還規劃了第二階段——本地後端，將支持 faster-whisper 和 Ollama，以滿足離線或隱私敏感場景的需求。

配置方面，用户可以通過 TOML 文件或內置設置界面自定義 Worker 地址、令牌、音頻參數和快捷鍵。項目提供了詳細的部署指南，要求用户擁有 Cloudflare 賬户並部署 Worker。對於 macOS 用户，需要授予輔助功能權限以啓用自動粘貼。

Voicebox 目前雖然仍處於早期階段，但其簡潔的設計和開源特性使其成為語音輸入場景的有力候選。開發者可以輕鬆 fork 並修改，或貢獻代碼以支持更多平台和功能。該項目在 GitHub 上已有 3 個星標，尚未發佈正式版本，但已具備基本功能。