为什么要自己做

我在法国工作，平时喜欢写各种小项目，Voilà 是其中做得最久、也最认真的一个，从头到尾是我一个人做的。每天一半的时间在打字：给同事回邮件、回 Slack、开完会写总结，还有和国内的朋友聊天。中文、英文、法语来回切，一句话里夹两三种语言是常态，比如“明天的 meeting 改到三点，on se cale après”。

系统自带的听写和现有的语音输入方案，总有几个地方满足不了我：

• 一句话里混着说。大多数工具要先选定一种语言，中间夹一个英文词，要么认成奇怪的中文，要么整句跑偏。
• 终端里用不了。我很多时间在终端里用 AI 编程工具，写提示词、写 commit message，这些其实都是句子，说比打快得多。可语音输入一到终端，不是没反应，就是字丢了一半。
• 订阅制。一个输入法按月收费，我自己都不愿意买。

所以干脆自己做一个。

时间线

• 2026 年 1 月 7 日，第一行代码。那时候它叫 FlowType。
• 5 月 2 日，1.0 发布。
• 9 月 25 日，中秋节发了 1.6.0，设置界面整个重做，AI 润色也对免费用户开放了。

从 1.0 到 1.6 一共发了 30 个版本，将近一千次提交。回头看 1.0，和现在差的不是一点半点。

这是 1.0 发布当天录的演示：在 Claude Code 里按住快捷键，法语夹着中文说，浮窗边说边出字，松手就进了终端。

几个做下来才知道的细节

0.3 秒里有 0.22 秒是故意等的

Voilà 的用法很简单：按住快捷键（我自己用 ⌥ Tab）说话，浮窗里边说边出字，松手后文字粘贴到光标处。

松手到上屏大约 0.3 秒，实测在 260 到 320 毫秒之间。其中大约 220 毫秒是故意等的：人说完最后一个字，声音其实还没完全结束，立刻截断的话，最后一个字经常被吃掉。宁可慢一点点，也不能丢字。

剩下的时间要尽量省。音频引擎常驻复用，不在每次录音时重建；和识别服务的连接在两次录音之间保持住，省掉每次重新握手的几百毫秒。

终端是最难搞的地方

终端不是普通的文本框。它自己画一个字符网格，很多语音输入工具走系统的辅助功能接口往“当前输入框”里写字，到终端这里就写不进去。Claude Code 这类全屏的终端程序还在不停重绘屏幕，模拟按键很容易被吞掉或者拆开。

Voilà 的做法是在终端里调用它自己的“粘贴”命令，失败了再退回键盘方式。粘贴前先给剪贴板拍一个快照，粘完再恢复，你原来复制的图片、富文本都不会被覆盖。这部分我写了一篇更细的：Mac 终端里怎么语音输入。

混说靠引擎，也靠调教

一句话里中英法混着说，最后选了 Soniox 做默认引擎。我们自己测过一组夹着外语词的句子，24 个外语词认对了 23 个。在此之上再加自定义词汇和纠错规则，产品名、同事的名字这种老是认错的词，加一次就好。

Soniox 是按用量付费的，用户用自己的 API Key，音频从 Mac 直接发过去，不经过我的服务器。怎么申请、大概花多少钱，写在这篇 Soniox 设置说明里：每天说一个小时，一个月也就两美元多。

一次买断，不做订阅

我不想让自己的工具，变成连自己都讨厌的订阅。

所以 Voilà 是一次买断：先免费试用 30 天，不用绑卡；早鸟价 9.99 欧元，之后的更新都包含。试用结束后，用 Mac 本机的 Apple 语音识别仍然免费，不需要任何 API Key，也可以离线用（macOS 14–15 要在设置里打开“仅离线识别”）。只说一种语言的话，这个就够用了。

授权文件在本机用签名校验，没网也能激活；除了启动时校验授权和常规的更新检查，app 不收集任何使用数据。

古法编程 + AI

Voilà 从一开始就是给 AI 编程提效的小工具，我自己也是用它在指挥 AI 写代码。开发方式我叫它“古法编程 + AI”：代码自己写，AI 负责审查和实测，也帮我做不擅长的事。我没什么设计天赋，1.6 的界面改版和整体代码审查，靠的是 Claude Code。

它也反过来帮我写别的小项目。这段时间用 Voilà 口述给 AI，顺手又做了几个小东西：奇门遁甲排盘、临时信箱、各种盯盘工具。这正是 Voilà 最初的定位：vibe coding 的小助手，让造轮子快一点。

早期用户

1.0 发布之后，陆续来了一批真正的早鸟用户。不少人发邮件过来，有提 bug 的，有提需求的，也有单纯来说用得顺手的。邮件我基本 12 小时内回，能改的马上改，这是一个人做产品能给用户的最实在的东西。

最后

如果你也是一天到晚在 Mac 上打字，尤其是经常中英文混着说、或者在终端里跟 AI 打交道的人，可以试试 Voilà Pro。有问题直接发邮件给我，还是 12 小时内回。