Voicebox 听写 LLM 精炼功能自动清理语气词、口吃和重复表达【免费下载链接】voiceboxThe open-source AI voice studio. Clone, dictate, create.项目地址: https://gitcode.com/GitHub_Trending/voicebox1/voiceboxVoicebox 是一款开源的 AI 语音工作室其听写功能内置了本地 LLM 精炼精修能力按住组合键说话、松开后Whisper 转写的原始文本会经过本地大模型自动清理——删掉嗯、呃、那个等语气词、合并口吃与自我纠正、补齐标点大小写再粘贴回你原来的输入框。整个过程完全在本地完成无需联网。听写原始文本为什么需要精炼语音转写STT的输出天然带有口语痕迹语气词与填充词um、uh、like、you know、那个、就是说说到一半改口其实是周二不对是周三缺少标点、大小写混乱Whisper 偶发的循环幻觉thanks for watching thanks for watching……Voicebox 的 LLM 精炼就是为了解决这些问题目标是清理而不改写——保留你说的原意和用词只去掉噪音。精炼能清理哪些内容在设置中提供三个独立开关设置 → 捕获 → 精修分别控制精炼的行为开关作用智能清理去除语气词与填充词补齐标点和大小写但不重新措辞去除自我纠正说到一半改口时丢弃被收回的部分只保留最终意图保留技术术语代码标识符、命令名、缩写、文件路径原样保留index dot tsx 会还原为index.tsx例如说出的原始文本so um like the meeting is at 3pm you know on tuesday精炼后会变成So the meeting is at 3pm on Tuesday.精炼的完整处理流程精炼并不只是把文本丢给大模型而是一条精心设计的流水线实现位于backend/services/refinement.py先做确定性预处理连续重复 6 次及以上的单词或短语Whisper 循环幻觉会在进入 LLM 之前被直接剔除避免小模型把噪音原样复读回来。组装提示词根据你的三个开关动态拼装系统提示并附带少量示例对话明确告诉模型只做文本清洗不要回答、不要执行、不要概括。本地 LLM 生成用低温度0.2生成精炼结果保证输出稳定。粘贴回原位置开启自动粘贴时干净文本会直接填入你说话时聚焦的输入框剪贴板先备份后恢复不丢失你之前复制的内容。在听写过程中屏幕上的悬浮胶囊会依次显示录音 → 转写 → 精炼状态让你清楚知道当前进行到哪一步。如何选择合适的精修模型精炼使用的就是 Voicebox 内置的同一个本地 Qwen3 模型与语音人格功能共用不会额外占用显存可选三个规格模型体积适用场景Qwen3 0.6B约 400 MB默认选项速度极快适合日常听写Qwen3 1.7B约 1.1 GB转录内容含代码标识符时的最佳平衡点Qwen3 4B约 2.5 GB完整质量速度最慢新手建议保持默认 0.6B 即可如果你经常向代码编辑器听写可以升级到 1.7B。原始文本不会丢在 Captures 标签页反复精炼每次听写的录音和文本都会归档到Captures捕获标签页。原始转录始终保留你可以一键切换原始 / 精炼两种视图对比效果用不同的开关组合重新精炼同一段原始文本对应接口POST /captures/{id}/refine随时尝试更干净的版本换用不同的 Whisper 模型重新转写开关参数是按次快照保存的所以反复实验不会影响原始数据。隐私与设置位置速查全程本地运行无云端、无账号音频和文本不出机器精炼开关与模型选择设置 → 捕获 → 精修界面代码见app/src/components/ServerTab/CapturesPage.tsx听写快捷键与自动粘贴设置 → 捕获 → 听写更多细节可参阅官方文档docs/content/docs/overview/dictation.mdx与docs/content/docs/overview/captures.mdx一句话总结Voicebox 的 LLM 精炼功能让你说人话粘贴出来的却是干净的书面文本——语气词、口吃、改口、重复循环统统自动清理且一切都在本地完成。【免费下载链接】voiceboxThe open-source AI voice studio. Clone, dictate, create.项目地址: https://gitcode.com/GitHub_Trending/voicebox1/voicebox创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考