SuperAPI AI 工具集

sales-amical

办公与效率

查看项目

更新于 10-16 05:35

技能介绍

Amical 是一款开源、本地优先的 AI 听写应用,主要用途是将语音实时转换为文本并粘贴到当前使用的应用中。它采用按住说话(hold-to-speak)的交互方式,而非持续性的会议录音工具。

主要能力

  • 语音识别:基于 Whisper STT,提供从 Tiny(78 MB)到 Large v3(3.1 GB)的多种模型选择,用户可在速度与准确率之间权衡。
  • 上下文感知格式化:通过配置 LLM(Ollama 本地或 OpenRouter 云端)对转写文本进行后处理,可根据当前应用调整语气和格式,例如在 Gmail 中更正式、在 Slack 中更随意。
  • 本地优先与离线:可下载 Whisper 模型并配置 Ollama 实现完全离线运行,无需云调用或 API 密钥。
  • 自定义词汇:支持为行业术语添加自定义词汇。
  • 多语言听写:支持非英语听写,但非英语处理成熟度低于英语。
  • 语音命令与 MCP 集成:属于规划中功能,尚未发布。

使用方式

  • 安装:macOS 可通过 brew install --cask amical 安装,Windows 可下载安装包。
  • 首次设置:授予麦克风和辅助功能权限,然后按住 fn 键说话,文本会自动粘贴到当前活动应用。
  • 模型选择:Tiny 适合速度优先,Base 均衡,Small 适合多数用户,Medium 高准确率,Large v3 Turbo 接近最高准确率且速度更快,Large v3 准确率最高。
  • LLM 配置:在设置 → AI 模型中选择 Ollama(本地)或填入 OpenRouter API 密钥(云端)。未配置 LLM 时仅输出原始转写,无格式化、语法纠正或语气适配。
  • 完全离线方案:下载 Whisper 模型并配置 Ollama 作为本地 LLM,即可实现无云调用、无 API 密钥的听写。

适用场景

  • 注重隐私、希望数据不离开本机的日常听写。
  • 需要免费、开源、可自定义模型和 LLM 的用户。
  • 在 Gmail、Slack 等不同应用中需要不同语气格式化的场景。
  • 需要行业术语自定义词汇的专业听写。

限制与已知问题

  • 上下文感知格式化必须配置 LLM,否则仅输出原始转写。
  • 应用内无法切换麦克风(GitHub #137),需在系统设置中将首选麦克风设为默认。
  • 日语等非英语文本格式化存在问题,包括风格/语言变化(#111)和标点插入问题(#88),英语格式化最可靠。
  • 非 QWERTY 键盘布局可能冲突(#89),需测试快捷键配置。
  • 实时会议转写为规划中功能,尚未发布;Amical 是听写工具,不是持续会议记录器。
  • 无公开 API、无 webhook、无 CRM 集成,除应用界面外无法程序化访问转写历史。
  • MCP 语音命令为规划中功能,尚未发布。
  • 非英语转写质量较差时,建议使用 Whisper Large v3 并搭配多语言支持强的 LLM(如通过 OpenRouter 使用 GPT-4);日语专用语言快捷方式(GitHub #121)为请求中的功能,尚未提供。

平台支持:macOS、Windows,以及 iOS(测试版)和 Android(测试版)。