回帖一句话换来 300 个 star:VoiceKey 把七家输入法的语音识别「借」到一个快捷键上
它是什么 一个桌面和手机上的语音输入工具,不用换输入法,按住快捷键说话,豆包、微信等七家输入法的识别同时出字,选一条上屏,还带两个离线引擎。
为什么火了 作者在一条讲「拿出豆包离线模型」的 9 万阅读推文下回帖放了链接,原推作者又转一句「用他的」,再加上 Telegram 资讯频道转发;它正好满足了「要大厂识别、不要大厂输入法」这个老需求。
C你可以怎么跟 别照着逆向大厂接口,学它的两招:在同话题爆款推文下放现成成品的链接,以及多引擎同时跑、候选框选一条的交互,把它用到本地模型加用户自填官方 key 的合规工具上。
- 数据(每天更新) · 建库 2026-10-01 · 531 星 · 7 天 +418
GitHub · 星数 数据 2026-10-16 → 2026-11-08(24 天,24 次观测)。10-28 以前的点来自 deeply / 存档补录,不是每天都有
一个只有两百多关注者的开发者,在一条 9 万阅读的推文下面回了一句「里面有微信离线、豆包离线」,两天里仓库从 120 star 涨到 475。东西是真硬核,但它站在别人的接口上;想照着做一个拿 star 的项目,能学的是打法,不是这条路本身。
一条推文下面的一句回复
2026 年 11 月 5 日下午 4 点(北京时间),开发者 @FradSer 在 X 上发了一条:「感谢大逆向时代!已经拿出豆包语音输入法的离线模型,接入了在线模型的调用,一比一复刻业务逻辑,然后部署到服务中。」这条推到 11-06 有 9.29 万阅读。
三个小时后,@J3n5enNg 在回复区贴了一行:「github.com/J3n5en/voicekey 里面有微信离线,豆包离线」,下面带着 GitHub 卡片。又过了三个小时,原推作者自己补了一条「用他的,和我没关系😑」,附上同一个链接。同一个回复区里,还有人问了一句「会不会有点刑?」
这个仓库 10 月 1 日建,到 11 月 4 日一共 120 个 star,前一周只涨了 17 个。Trendshift 的逐日数字:11-04 +15,11-05 +226,11-06 +114;GitHub 上 11-06 下午已经是 475 star、119 个 fork。
它到底做了什么
一句话:不用换输入法,按住一个键说话,豆包、微信、千问、百度、搜狗、讯飞、Chatterfly 七家的云端识别同时出字,你按数字键选一条上屏。另外还有两个完全离线的引擎:微信离线(macOS、Windows)和豆包离线(只支持 Apple 芯片的 Mac)。
README 首图就是这个候选框:说话时几家的结果一行一行实时往外冒,松开后逐条定稿、标上耗时。这是只有「聚合」才会有的样子,大厂自己的输入法不会这么做。
难的部分都在底下:七家的协议是逆向出来的;微信离线模型是作者自己重写的 int8 推理,不依赖官方程序;豆包离线是在 Mac 进程里直接加载豆包安卓版的引擎库。一个月里发了大约 30 个版本,平台从只有 macOS 扩到 Windows、Android(不替换输入法,长按音量下键说话)和 iOS(一个带语音的中文键盘,要自己从源码装)。用的是 Rust + Tauri + Svelte,仓库没有放许可证。
为什么是现在
需求早就在了。2026 年豆包、微信、千问都在抢「AI 语音输入」这个入口,各家媒体横评基本都说豆包和微信的中文识别最好,而且免费。可官方产品要你把系统输入法换成它的,linux.do 上「语音输入软件求推荐」「豆包 Mac 版是不是必须切输入法」这种帖子反复出现。VoiceKey 正好答的是这个:要大厂的识别,不要大厂的输入法。
时机是送上门的。11 月初,「AI 让逆向变容易」在中文科技圈是热话题(36 氪有一篇《大开源时代?AI 逆向,让一切软件变成免费》)。FradSer 那条推讲的恰好是「拿出豆包离线模型」,但他自己的服务没开源;想要同样东西的人看到回复区那个链接,点进去就是成品。原推作者那句「用他的」,等于把这一波流量亲手转给了他。
第二波来自 Telegram 资讯频道。OKHK 频道发了「VoiceKey - 整合多个语音识别渠道的跨平台语音输入工具」,另一个频道转的时候写「如果不想本地跑模型的话,可以试试这个在线的……是通过逆向客户端来实现的」。11-06 那 +114 大概就是这些频道带来的(推断,频道帖子的准确时间和阅读量没查到)。
没有看到 Product Hunt、HN、Reddit、媒体报道,也没进过 GitHub Trending 的前列。热度至今只在中文开发者的小圈子里。
star 多,用的人少
下载数(GitHub Releases,11-06)要冷静得多:11-01 发的 v1.9.0,Mac 安装包被下了 66 次,Windows 96 次,Android 96 次;桌面端自动检查更新的文件被拉了 829 次。估计真在用的只有几百台机器。
fork 也有点怪:119 个 fork 对 475 个 star,约四分之一,而且集中在爆发那两天。一种解释是怕仓库被下架、先 fork 一份存着(推断)。
谁在做一样的事
「按住说话」这个形态本身已经很挤:
| 项目 | 规模 | 和 VoiceKey 的区别 |
|---|---|---|
| cjpais/Handy、OpenWhispr、anomalyco/hex | 3.76 万 / 1.08 万 / 5,300 star | Whisper 一类通用模型,中文不如豆包、微信 |
| HaujetZhao/CapsWriter-Offline | 7,081 star,2023 年起 | 开源本地模型,纯离线 |
| joewongjc/type4me | 1,542 star | 带大模型润色,不走逆向 |
| Paxxs/Doubao-ime-hammerspoon | 208 star | 还是要装官方豆包输入法,只是帮你自动切换 |
| lilong7676/doubao-murmur | 142 star | 只接豆包网页版一家 |
| Typeless、Wispr Flow、闪电说 | 付费订阅 | 收费,卖点是 AI 润色 |
在「把大厂免费识别拆出来、聚合到一起、还带离线」这个窄格子里,做成完整多平台成品的目前只看到它一个。linux.do 上有人用现成的逆向库自己拼,抱怨识别准确率低——说明这一步不是谁都能做好。
它的问题
它的差异化就是「借用」:免费、不要 key、不换输入法,全都建立在字节和腾讯的接口和模型上。离线模型直接从对方的 CDN 下载;接口哪天改了或封了,留存就全靠作者追着修。回复区那句「会不会有点刑」不是玩笑:这类仓库最常见的结局是一封下架通知,star 跟着仓库一起没。
如果是你
C。能学到东西,但别照着这条路做。 能学的是两样:在同话题的爆款推文下面放一个「现成能用」的成品,以及「几家引擎同时跑、候选框选一条」这种交互。逆向大厂接口这条路本身,格子已经被一个技术很深的项目占了,天花板是中文圈几百上千个 star,还随时可能连仓库一起被下架。
- 适合谁:本来就在中文开发者 X、linux.do 上有点存在感,能拿出完整成品(而不是一个协议库)的人;想要的是一波关注者和名声,不在乎仓库能活多久。
- 不适合谁:想要一个能长期攒 star、写进履历的项目的人——一封下架通知就清零;想在英文圈拿 star 的人——英文圈没人缺「免费豆包」,通用模型的 Handy 已经 3.7 万 star。
- 怎么做:把聚合交互搬到合规的地方去。比如一个按住说话的工具,同时跑本地 Whisper / SenseVoice 和用户自己填 key 的官方接口(火山、腾讯云、OpenAI),候选框选一条——同样的「看得见的卖点」,没有法律尾巴。或者把「多家同时出结果、选一条」用到翻译、OCR 这类各家水平差不多、用户拿不准选谁的场景。
- 怎么拿 star:学它的打法。盯住 X 上你这个话题正在起量的推文,在回复区放一句话、一个链接、一张能看懂的图;README 首图就放最能说明差异的那一屏;发出去之后两三天内连发几个版本,让转发的人看到项目是活的。
- 什么时候之前:「AI 逆向」这个话题在中文圈的热度大概还有几周(估);想借这波话题的,11 月底前要拿出成品。做合规版的不赶这个窗口。
- 什么情况说明看错了:① VoiceKey 一个月后还在、star 过了 2,000,而且字节、腾讯没有任何动作——说明这条路的风险比想象中小,聚合逆向值得做;② 出现英文圈的同类(比如把各家免费翻译或 OCR 逆向聚合)拿到几千 star——说明这种打法能出圈;③ 反过来,VoiceKey 或同类仓库收到下架通知、接口被封——那就连学打法都要换个话题。
研究底稿:竞品表、获客证据、完整研究报告
- 竞品
名字 在哪 上线 规模 它和这家不同在哪 豆包输入法 Mac 版 大厂功能 2026-05 字节官方，免费 官方要切换系统输入法，voicekey 用全局快捷键，不用换输入法，还能多家并用 微信输入法 Mac 3.0 大厂功能 2026-10-15 腾讯官方，免费 同上；voicekey 还把它的离线包拆出来自己做推理 Typeless / Wispr Flow / 闪电说 其他 2025-2026 付费订阅，横评常客 它们收费、主打 AI 润色；voicekey 免费，只做识别 lilong7676/doubao-murmur 开源 2026-03-31 142 star 只接豆包 Web 一个渠道，没有离线 Paxxs/Doubao-ime-hammerspoon 开源 2026-03-31 208 star 仍然依赖官方豆包输入法，只是自动切换 joewongjc/type4me 开源 2026-03-22 1542 star 带大模型润色，不走逆向免费渠道 HaujetZhao/CapsWriter-Offline 开源 2023-05 7081 star 用开源本地模型；voicekey 用大厂模型 cjpais/Handy、anomalyco/hex、OpenWhispr 开源 2025-2026 37.6K / 5.3K / 10.8K star Whisper、Parakeet 一类通用模型，中文识别不如豆包、微信 - 用户从哪来
- 查实 X：在爆款推文下回帖放链接:@FradSer 11-05 发「感谢大逆向时代！已经拿出豆包语音输入法的离线模型」，92.9K 阅读；@J3n5enNg 在回复区贴了仓库链接；FradSer 14:25 UTC 又发「用他的，和我没关系😑」附链接，1,637 阅读
- 查实 Telegram 资讯频道:OKHK 频道 post 11984《VoiceKey - 整合多个语音识别渠道的跨平台语音输入工具》；杜叔叔网盘频道转发，说它「通过逆向客户端来实现」
- 查实 「AI 大逆向」话题热度:36氪《大开源时代？AI 逆向，让一切软件变成免费》、知乎和快科技的 REA 相关文章
- 推断 作者自己发帖（10 月中旬那次小波）:10-15、10-16 涨了 21 个 star，来源没查到
J3n5en/voicekey：为什么跑出来
一句话：一个白嫖国内大厂免费输入法语音识别接口的开源桌面语音输入工具。它把豆包、微信、千问、百度、搜狗、讯飞、Chatterfly 七个云端渠道，加上两个离线模型（微信离线、豆包离线），全部逆向接到一个全局快捷键上，支持 macOS、Windows、Android 和 iOS。 结论：产品本身确实硬核，但这次爆发靠的是一次蹭热点：2026-11-05 一条 9 万多阅读的「大逆向时代」推文下，作者回帖放了链接，原推作者随后又转过来说「用他的」，再加上 Telegram 资讯频道转发。热度目前只在中文开发者小圈子里，版权和法务风险高。
1. 基本数据
- 仓库 2026-10-01 创建，Rust + Tauri + Svelte（旧版 Swift 实现留在 legacy 分支），没有许可证（GitHub API，2026-11-06）。
- star：数据卡记录 11-05 为 135，11-06 为 344（单日 +209，前 7 天只涨 17）；GitHub API 在 11-06 约 14:20 UTC 已经是 475，fork 119。
- Trendshift 的逐日数据：11-04 +15，11-05 +226，11-06 +114；10-15、10-16 有过 +7、+14 的小波（trendshift.io/repositories/306361）。fork 的创建时间同样集中在 11-05（59 个）和 11-06（29 个）（GitHub forks API）。
- 真实使用量很小（GitHub Releases 下载计数，2026-11-06）：v1.9.0（11-01 发布）的 latest.json 被拉取 829 次，大致等于桌面端应用内检查更新的次数；dmg 下载 66、Windows exe 96、Android apk 96；更早的 v1.6.1 latest.json 被拉取 661 次。估计活跃装机只有几百台。
- 发布节奏很快：10-01 到 11-01 一共发了约 30 个 release，平台从只有 macOS 扩到 Windows、Android 和 iOS（iOS 只提供未签名 ipa）。
- 作者 J3n5en（X 账号 @J3n5enNg）有 232 个 GitHub follower。名下 EnsoAI 998 star、bye 1041 star、EnsoCode 161 star，在中文 AI 开发者圈有一点存在感，但不算大号。
2. 竞品
| 产品 | 在哪 | 上线时间 | 规模 | 和 voicekey 的区别 |
|---|---|---|---|---|
| 豆包输入法 Mac 版（字节） | 大厂功能 | 2026-05（腾讯新闻 20260513） | 字节官方，免费 | 必须把系统输入法切成豆包才能用；voicekey 不用换输入法，全局快捷键就能用，还能同时用多家 |
| 微信输入法 Mac 3.0（腾讯） | 大厂功能 | 2026-10-15（z.weixin.qq.com） | 官方，免费 | 同上，要切输入法；voicekey 把它的在线接口和离线包都拆出来单独用 |
| 千问 PC 语音输入、腾讯 Chatterfly、智谱 AI 输入法 | 大厂功能 | 2026 年内 | 官方，免费 | 单一厂商，绑定各自的客户端；voicekey 把这几家聚合到一起 |
| Typeless、Wispr Flow、闪电说 | 其他（付费 App） | 2025–2026 | 付费订阅，媒体横评常客 | 收费，主打 AI 润色；voicekey 免费，不做润色，只管识别 |
| lilong7676/doubao-murmur | 开源 | 2026-03-31 | 142 star | 只接豆包 Web 版一个渠道；voicekey 有多渠道和离线 |
| Paxxs/Doubao-ime-hammerspoon | 开源 | 2026-03-31 | 208 star | 用 Hammerspoon 自动切换输入法、唤起豆包，仍然依赖官方输入法；voicekey 完全不需要官方程序 |
| starccy、moziarnj07-sys 的 doubaoime-asr | 开源（库） | 2026 | 是 linux.do 帖子里常被引用的逆向库 | 只是协议库；而且有 linux.do 用户反馈逆向出来的识别准确率低（linux.do/t/topic/2196046）。voicekey 是做完的成品 |
| joewongjc/type4me | 开源 | 2026-03-22 | 1542 star | macOS/iOS，带大模型润色；不走逆向免费渠道 |
| HaujetZhao/CapsWriter-Offline | 开源 | 2023-05 | 7081 star | 本地开源模型；voicekey 用的是大厂的离线模型 |
| cjpais/Handy、anomalyco/hex、OpenWhispr、Open-Less/openless | 开源 | 2025–2026 | 37.6K / 5.3K / 10.8K / 4.1K star（我们的 github 库） | 都是 Whisper、Parakeet 一类通用模型，中文识别不如豆包、微信 |
| BuildWithAIs/voicekey（同名） | 开源 | 2026-01-12 | 184 star | 本地识别 + 自带 LLM 润色，和本产品无关，只是同名 |
| FradSer 自部署的豆包离线服务 | 其他 | 2026-11-05 | 没开源，只有一条推文 | 同样走逆向思路，只给自己用 |
结论：「按住说话」这个形态已经是红海，开源和付费产品都很多。voicekey 的位置很窄：把大厂免费输入法的识别能力逆向出来聚合到一起，不用 API key，不用切输入法，还带离线。在这个细分里，doubao-murmur 和 hammerspoon 方案只接了一家，或者仍然依赖官方程序。
3. 增长手段（用户从哪来）
- 在爆款推文下回帖放链接（已确认，是主因）。@FradSer 在 2026-11-05 08:22 UTC 发推：「感谢大逆向时代！已经拿出豆包语音输入法的离线模型，接入了在线模型的调用，一比一复刻业务逻辑，然后部署到服务中」，阅读 92.9K（x.com/FradSer/status/2118257675779850453）。作者 @J3n5enNg 在回复区贴了「github.com/J3n5en/voicekey 里面有微信离线，豆包离线」，带 GitHub 卡片。14:25 UTC，FradSer 又发了一条「用他的，和我没关系😑」并附上仓库链接（1,637 阅读，x.com/FradSer/status/2118348866294878382），等于把想要他那套东西的人直接导到 voicekey。star 的爆发正好从 11-05 开始（+226）。
- Telegram 资讯频道转发（已确认，时间是推测）。OKHK 频道发了「VoiceKey - 整合多个语音识别渠道的跨平台语音输入工具」（tg.okhk.net/posts/11984，帖子编号紧挨着 11-06 的 12000 号，推测在 11-05、11-06 发出）。「杜叔叔网盘」频道也转了：「如果不想本地跑模型的话，可以试试这个在线的。内置了很多不同的语音输入法来源，是通过逆向客户端来实现的」（Jina 搜索结果摘要）。这类频道推动了 11-06 的第二波（+114）。
- 「大逆向时代」话题本身（已确认是背景）。36氪的《大开源时代？AI 逆向，让一切软件变成免费》（m.36kr.com/p/4027900020920708）、知乎上的 REA 文章、快科技的「盗版年代重回」，都说明 AI 辅助逆向在 2026 年 11 月前后是中文科技圈的热话题，voicekey 正好是这个话题里一个现成的样例。
- 10 月中旬那次小波（10-15、10-16 涨了 21 个 star）来源没查到，可能是作者自己在 X 或 linux.do 上发过（未核实）。
- 没有发现广告、Product Hunt、HN、Reddit、媒体报道或进 GitHub Trending 的证据（Trendshift 显示它没进过 top 25；我们的 x-radar 本地语料里搜不到 voicekey）。
4. 它为什么跑出来
- 需求是现成的、被验证过的：2026 年豆包、微信、千问、搜狗都在抢「AI 语音输入」入口，媒体横评一致认为豆包、微信的中文识别最好，而且免费。但官方产品要求切换系统输入法，「语音输入软件求推荐」「豆包输入法 Mac 端是不是必须切换」这类帖子在 linux.do 上反复出现。voicekey 解决的正是「想要豆包或微信的识别，但不想换输入法」。
- 技术门槛真实存在：自己重写了微信离线模型的 int8 推理（40 层 Transformer、NEON/AVX2），在 macOS 进程里直接加载豆包安卓 ELF 引擎库，七家云端协议都逆向完成（protobuf/WebSocket、ECDH+AES、HMAC）。linux.do 上有人用现成的逆向库，抱怨准确率低。做出完整成品、而且多平台的，目前只看到它一个。
- 多渠道候选框是看得见的卖点：README 首图就是七家同时出字、按数字键选一条上屏。这是「聚合」才有的形态，官方产品不会做。
- 时机：11-05 的「大逆向」爆款推文正好在讲同一件事（拿豆包离线模型），作者在回复区回帖，原推作者又把流量让给了他。
5. 差异化
差异化是「免费、不用 key、不换输入法、多家聚合加离线」，本质上是把大厂免费输入法的 ASR 当作公共资源来用。这确实是它被转发的原因：推文和 Telegram 频道的转发语强调的都是「逆向」「内置很多语音输入法来源」「微信离线、豆包离线」，没有人在说体验。但这种差异化建在别人的接口上，不构成护城河：
- 法务风险：原推下已经有人问「会不会有点刑？」。仓库没有 LICENSE，离线模型直接从字节和腾讯的 CDN 下载。fork 比例高（119/475，约 25%），而且集中在爆发当天，比较像是怕仓库被下架、先 fork 存档的行为（推测）。
- 接口随时可能被改掉或封掉，留存靠作者持续跟进。
- 不能收钱：一收费就从「逆向分享」变成了「商用侵权」。
6. 可见度与跟风
- 可见度：小圈子里在传。传播范围是中文开发者 X（一条 9 万阅读的推文回复区）加两三个 Telegram 资讯频道；没有媒体报道，也没有收入（项目免费，没有付费入口）。
- 跟风：思路相同的有 FradSer 自部署的豆包离线服务（没开源），以及更早的 doubao-murmur、hammerspoon 方案。爆发后出现了一批 fork（例如 tod-zhang/voicekey），暂时没看到有人打包成新产品再发布。
7. 可借鉴
- 在同话题的爆款推文回复区放一个「现成能用的成品」链接，转化率极高。原作者如果愿意转一句「用他的」，效果等于一次免费推荐。
- 「多引擎同时跑 + 候选框选一条」这种聚合交互，适用于任何多家模型能力接近、用户拿不准选哪家的场景，比如翻译、OCR、ASR。
- 中文语音输入的真需求是「大厂识别质量 + 不切输入法 + 全局快捷键」。正规做法是走火山引擎或腾讯云的官方 ASR API，按量计费，再做订阅，这样能避开逆向的法务风险。
8. 不确定
- 10 月中旬那次小波的来源。
- OKHK、杜叔叔网盘两个频道帖子的准确发布时间和阅读量。
- 留存：只能从 latest.json 的拉取次数粗估，没法按人去重。
- 字节、腾讯会不会发 DMCA，或者封接口。