-
+
-*主界面 — 统计数据与快捷操作*
-
-
-
-
-
-*外观配置 — 多主题切换与悬浮窗自定义*
-
-
-
-
-
-*诊断面板 — 实时运行状态与连接检测*
+*Trigger the shortcut, speak, and the cleaned-up text is typed in at your cursor — no window switching.*
-SayIt 后端部署使用的是 Qwen3-ASR，效果仅次于豆包，开源模型里算是最好的选择。如果是自己部署后端在公司内部使用，我使用 vLLM 为 Qwen-ASR 的推理速度做了优化，能够更快的进行推理识别。
+
-> 我大大低估了 VibeCoding 想要产品化的难度。这个软件最初的形态大概 2~3 天就弄出来了，但想要公开给大家使用，耗费了 x50 倍的时间和精力。软件叫什么名字、Logo 怎么设计、前端样式是否好看、用户如何提交反馈、如何捕获报错信息、服务器端多用户多并发、如何加快识别速度……每一个场景都是可以持续优化。
+*Home — dictation stats, the active shortcut, and a feedback box that carries your last transcript.*
-这是一个开源项目，我没有准备用它盈利。做这个纯粹是我个人对语音输入的需求很强，而且现在 AI 极大地放大了个人的能力。如果你觉得这个产品好用，可以点一个 ⭐ Star，这会激励我继续维护这个项目，或者在软件主页给我反馈。
+
-## 下载使用
+
-**大部分用户直接下载客户端即可，无需任何配置。**
+*Voice engine — choose Local, Cloud API, or Server mode, then download and switch recognition models. Detected GPUs are used automatically.*
-[下载 Windows 安装包](https://github.com/crosswk/SayIt/releases/latest)
+
-安装后默认连接我提供的公共服务器，开箱即用。服务器端的 AI 使用的是 Groq 提供的 OpenAI 120B 模型，会有免费的请求限制。
+
-也可以先通过 [网页版 Demo](https://sayitapp.site) 快速体验 ASR 的识别速度和效果，无需安装任何东西。
+*AI cleanup — every built-in preset is editable, and per-app rules can switch presets based on the app you are typing into.*
-## 使用模式
+
-| 模式 | 适合谁 | 需要什么 |
-|------|--------|---------|
-| **服务器模式**（默认） | 快速体验 | 无需配置，连接公共服务器 |
-| **云 API 模式** | 个人用户长期使用 | 自己的 ASR + AI API Key |
-| **自部署服务器** | 团队 / 企业内部 | 一台带 GPU 的服务器 |
+
-### 服务器模式（默认）
+*AI providers — bring your own keys, add any OpenAI-compatible endpoint, and test round-trip latency on every card.*
-下载即用。客户端默认连接公共体验服务器，适合快速感受效果。
+
-### 云 API 模式（推荐个人用户）
+
-不需要服务器，客户端直接调用云端服务。对于个人用户来说：
+*History — searchable local records. Expand one to see the raw ASR text, timings, audio playback, and re-transcribe.*
-- **语音识别**：申请一个豆包 ASR API 就能获得最好的中文识别效果
-- **AI 润色**：推荐 DeepSeek deepseek-v4-flash，速度快价格便宜
+
-每月成本约几元钱。详见配置文档：
-- [语音识别配置](docs/SayIt%20语音识别配置.md)
-- [AI 润色供应商配置](docs/SayIt%20AI%20润色供应商配置.md)
+
-### 自部署服务器（团队 / 企业）
+*Appearance — three app themes, waveform styles, overlay width, and live captions with a preview of the overlay.*
-适合对数据隐私有要求、或需要内网部署的场景。使用 Qwen3-ASR 1.7B 模型在 GPU 服务器上进行本地推理：
+
+
+
+
+*首页 — 口述时长、字数、节省的时间，以及带上最后一条转录的反馈入口*
+
+
+
+
+
+*语音引擎 — 在本地、云 API、服务器三种模式间切换，并配置对应的识别服务。卡片上的耗时是用内置测试音频真跑一次测出来的*
+
+
+
+
+
+*AI 整理 — 内置润色模式全部可以改，还能按当前应用自动切换提示词*
+
+
+
+
+
+*AI 供应商 — 用你自己的密钥，支持任意 OpenAI 兼容接口，可以一次测完所有卡片的延迟*
+
+
+
+
+
+*历史记录 — 全部存在本地、可搜索。展开一条能看到 ASR 原文、各段耗时、音频回放和重新识别*
+
+
+
+
+
+*外观 — 三套应用主题、波形样式、悬浮窗长度，以及边说边出字的流式实时字幕*
+
+
+
+# SayIt
+
+**随口说，出色写**
+
+用说话代替打字，AI 实时把口语变成书面表达。
+
+按下快捷键开始说话，再按一次，润色后的文字自动输入到光标位置。
+
+[](./LICENSE)
+[](https://github.com/crosswk/SayIt/releases)
+
+**[下载客户端](https://github.com/crosswk/SayIt/releases/latest)** · **[网页版体验](https://sayitapp.site)** · **[配置文档](docs/)**
+
+**视频介绍：[我做了一个开源 AI 语音输入法——SayIt](https://www.bilibili.com/video/BV1JLTs6REPU/)**（B 站）
+
+
+
+*按下快捷键说话，说完整理好的文字直接落在光标位置，不用切窗口、不用复制粘贴。*
+
+
