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，旨在透過 Cloudflare 的 AI 服務提供高效、流暢的語音輸入體驗。使用者只需按下預設的快捷鍵（預設為 Ctrl+Cmd），對著麥克風說話，釋放快捷鍵後，音訊便會透過 WebSocket 即時傳輸到 Cloudflare Worker 進行處理。轉錄後的文本經過大語言模型格式化，自動複製到剪貼簿，並貼上到使用者當前正在使用的應用程式中。

該專案的架構分為兩部分：桌面客戶端和雲端 Worker。桌面客戶端使用 Wails 框架開發，後端為 Go 語言，前端採用 React 構建。它目前僅支援 macOS 系統，並需要輔助功能許可權來實現自動貼上功能。雲端 Worker 執行在 Cloudflare Workers 上，利用 Durable Objects 管理會話，音訊處理使用 @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：客戶端捕獲 PCM 音訊資料，透過 WebSocket 即時流式傳輸到 Worker；Worker 累積音訊後呼叫 AI 模型，返回格式化文本；客戶端收到結果後自動貼上到當前應用。此外，專案還規劃了第二階段——本地後端，將支援 faster-whisper 和 Ollama，以滿足離線或隱私敏感場景的需求。

配置方面，使用者可以透過 TOML 檔案或內建設定介面自定義 Worker 地址、令牌、音訊引數和快捷鍵。專案提供了詳細的部署指南，要求使用者擁有 Cloudflare 賬戶並部署 Worker。對於 macOS 使用者，需要授予輔助功能許可權以啟用自動貼上。

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，或貢獻程式碼以支援更多平臺和功能。該專案在 GitHub 上已有 3 個星標，尚未釋出正式版本，但已具備基本功能。