ByeType

告别打字，用说的。

ByeType 是一个 Markdown 驱动的 AI 语音输入工具。通过编辑 Markdown 格式的提示词，你可以自定义识别规则、专有词汇和文本优化策略，让语音输入最大限度匹配你的行业术语和个人习惯。

此外，ByeType 还内置了 AI 图像文字提取功能（同样由 Markdown 提示词驱动），完美解决终端中 AI 输出的代码因行号、分屏、换行被切碎而无法直接复制使用的问题。

免费开源，使用你自己的 API Key — ByeType 本身不收费、不经手数据，语音和截图直接发送到你选择的 AI 服务商（Google、阿里云百炼等）。支持 macOS、Windows 桌面端，以及 iPhone / iPad（通过 iOS 快捷指令）。

📱 iPhone / iPad

通过 iOS 快捷指令，在手机和平板上也能获得和桌面版一样的自定义词汇和转录效果。

安装后需要在快捷指令中填写你自己的 API Key和规则词汇等，和桌面版共用同一个 Key。

🖥️ macOS / Windows

🏆 为什么选择 ByeType

核心区别：Whisper 类方案是「ASR 转文字 + LLM 后处理」两步架构 — 第一步转错的内容，第二步也救不回来。ByeType 用多模态大模型直接处理原始音频，所有提示词规则在转写时一次生效，没有「先错后纠」的问题。

🔬 真实效果对比

下面这段话一口气说完，不做任何停顿和纠正 — 5 个易混人名、密集技术黑话、中英混杂、口语废话全上齐。

两边用相同的 下划线加粗 标记关键词，方便对比识别差异。

普通语音输出

有标点但不分段、人名全错、术语变谐音、口水词原样保留：

嗯，那个就是昨天张宇跟秦敏碰了一下，他们说曲华负责的那个deep seek v3项目，在mac mini m4上跑因弗伦斯延迟大概两百毫秒左右，效果还不错。嗯，然后余倩建议用cursor开发，后端fast api加泼斯特格瑞赛口部署在微赛尔上，前端next js用app router搭配莎德恩ui，整体dx我觉得还行，就是ci cd那块git hub actions跑派test和es lint经常飞来可test。然后库伯内提斯集群的hpa配置，余倩说应该把cpu阈值从百分之八十调到百分之六十。另外提醒一下陈述，礼拜五之前把非格码设计稿同步到诺讯上。

ByeType 输出

开启「自动换行」后处理，标点、分段、人名、术语、格式化全部一次到位：

昨天张昱跟覃旻碰了一下，他们说瞿铧负责的DeepSeek V3项目，在Mac mini M4上跑inference延迟大概200ms左右，效果还不错。

于谦建议用Cursor开发，后端FastAPI + PostgreSQL部署在Vercel上，前端Next.js用App Router搭配shadcn/ui。

整体DX还行，就是CI/CD那块GitHub Actions跑pytest和ESLint经常flaky test。

Kubernetes集群的HPA配置，于谦说应该把CPU阈值从80%调到60%。

另外提醒陈述，礼拜五之前把Figma设计稿同步到Notion上。

对比总结

📸 图像文字提取 — 不只是 OCR

按 F6 截图选区，AI 自动识别文字并复制到剪贴板。同样由 Markdown 提示词驱动（text-extract.md），可自定义识别行为。ByeType 用多模态大模型理解截图的视觉布局，能做到传统 OCR 做不到的事：

示例 1：智能换行修复

终端、浏览器、PDF 阅读器里的文字经常因窗口宽度被硬截断。传统 OCR 原样照搬断行，ByeType 理解语义后自动合并为完整段落。

传统 OCR 输出

逐行照搬，保留所有因窗口宽度产生的硬换行：

人工智能(AI)正在迅速发展，它已经开始
改变我们的生活方式和工作方式。从智能
手机助手到自动驾驶汽车，AI技术正在
各个领域展现其潜力。

ByeType 输出

理解语义，自动合并断行为完整段落：

人工智能(AI)正在迅速发展，它已经开始改变我们的生活方式和工作方式。从智能手机助手到自动驾驶汽车，AI技术正在各个领域展现其潜力。

示例 2：终端代码智能还原

在 Claude Code、终端、IDE 里截图代码时，行号、提示符、分屏边界会把代码切得支离破碎。ByeType 能识别哪些是代码、哪些是装饰，还原出干净可用的代码块。

传统 OCR 输出

行号、管道符原样输出，因窗口宽度导致的断行也照搬：

  1 │ fn main() {
  2 │     let items = vec!["hel
  3 │ lo", "world"];
  4 │     for item in &items
  5 │ {
  6 │         println!("{}",
  7 │ item);
  8 │     }
  9 │ }

ByeType 输出

去除行号装饰，修复断行，自动标注语言，输出可直接使用的完整代码：

fn main() {
    let items = vec!["hello", "world"];
    for item in &items {
        println!("{}", item);
    }
}

🤖 AI 模型配置

所有模型在「设置 → 模型管理」中统一配置。

预置模型

OpenRouter 中转：如果无法直接访问 Gemini，可通过 OpenRouter 中转使用以下模型，无需代理：

• google/gemini-3-flash-preview
• google/gemini-3.1-flash-lite-preview

✏️ 自定义你的语音输入

ByeType 把所有「AI 该怎么处理你的话」都做成了可编辑的 Markdown 文件，在设置里直接改。

纠正人名和术语（设置 → 转写提示词 → 专有词汇）

- 公司名：ByteDance（不是 byte dance）
- 人名：张三丰（不是 张三峰）

给不同快捷键配不同输出风格（设置 → 转写提示词 → 文本优化提示词）

也可以新增自己的风格，比如「邮件润色」「微信口吻」「会议纪要」。F4 配一个、第二个快捷键配另一个，不同场景一键切换。

截图取词也一样，在「图像识别提示词」里改，可以让它只识别文字，也可以让它识别后顺便翻译成中文。

❓ 常见问题

🏗️ 技术栈

📄 许可证

MIT

如果这个项目对你有帮助，欢迎点一个 Star。

欢迎提 Issue 或直接发 PR。感谢 Linux.do 社区推动。