語音浮動小工具（Voice Float Widget）

一個從「打遊戲時手沒辦法騰出來打字」這個念頭開始做出來的中文語音輸入桌面小工具。講話，它就幫你把話變成文字，自動貼到你正在用的任何視窗——包含那種有防外掛驗證、一般模擬輸入方式根本打不進去的網路遊戲。完全離線運作，不用連網、不用帳號，語音資料不會上傳到任何地方，全部在你自己的電腦上處理完成。

這不是一個外包做的商業產品，是我自己一路遇到問題、自己動手解決，慢慢磨出來的個人工具。這份介紹會寫得非常詳細，把每個功能、每個技術細節都講清楚，希望你看完就跟我一樣清楚這個工具在做什麼、能幫你做到什麼程度。

---

這是什麼、為什麼會有這個東西

老實講，最初的動機很單純：打遊戲的時候，手在操作角色，沒辦法騰出來打字聊天。

市面上找得到的語音輸入工具，不是要付費訂閱，就是語音要上傳到雲端處理，而且大多數根本不是為了「遊戲裡打字」這個場景設計的——很多網路遊戲（尤其是有防外掛驗證機制的那種）會用比一般程式更高的權限層級執行，一般的模擬輸入工具，講完話辨識沒問題，但貼到遊戲的聊天框、對話框裡就是完全沒反應，不會跳錯誤訊息，就是安靜地失敗。

所以這個工具從一開始，就不是「順便支援遊戲」的通用語音輸入工具，而是以「能不能在遊戲裡正常打字」這件事為核心去解決問題的——系統管理員捷徑這個功能、即時聽打模式對「講完立刻貼上」這件事的執著、反覆確認自動貼上在各種情境下夠不夠穩，這些都不是順手加的附加功能，是這個工具存在的原因本身。剛好它同樣適用於聊天、寫筆記這些日常場合，才把它做成一個通用一點的小工具分享出來。

有一個很貼近這個核心定位、但很容易被忽略的功能，先講在這裡：Ctrl+Shift+Space 是一組全域快捷鍵，不管你在哪個視窗、哪個遊戲裡，按下去都能直接切換聆聽開關，不用把手從鍵盤移開去點麥克風按鈕。這在打副本、打 BOSS 這種需要精準操作的時候特別實用——BOSS 的語音有時候會被麥克風收進去，雖然不影響遊戲本身，但辨識引擎背景持續運算，加上萬一誤觸發自動貼上（模擬鍵盤操作），理論上有機會干擾到你當下正在按的技能鍵。建議的用法：打 BOSS 這種硬戰前先按一下關掉聆聽，戰鬥結束想跟隊友聊天再按一次打開，快捷鍵切換比滑鼠點按鈕快很多，不會拖慢你的節奏。

---

超透明核心功能，一項一項講清楚

先給趕時間的人看的快速總覽——想直接了解每個功能的細節，可以跳過這段直接往下滑：

• ⚡ 即時聽打模式，跳過 AI 校正，追求最快速度 〈開發者最推薦〉
• 📋 自動貼上到游標位置，講完直接接續打字 〈開發者最不推薦〉，詳見下方說明
• 🎙️ 離線語音辨識，不連網、資料不外傳
• 🔤 簡體轉台灣繁體
• ✨ AI 校正（選用），去贅字、改口偵測、同音字修正
• 🎯 個人詞庫，常用詞彙優先辨識更準確
• 😄 語音直接叫出表情符號，講完立刻插入
• 🎮 遊戲模式，同時開遊戲不搶資源
• 🖱️ 拖曳移動、放大模式、位置記憶
• ⌨️ Ctrl+Shift+Space 全域快捷鍵，遊戲裡打 BOSS 也能不碰滑鼠快速切換聆聽開關
• 🛡️ 一鍵建立系統管理員捷徑，遊戲裡的對話框也能正常輸入文字
• ⚠️ 有機率被「智慧型應用程式控制」封鎖（不是固定會發生，是隨機的）。快速關閉：設定 >> 隱私權與安全性 >> Windows 安全性 >> 應用程式與瀏覽器控制 >> 智慧型應用程式控制設定 >> 關閉。詳細說明（含不用整個關掉、只排除這個程式的做法）見下文

---

🎙️ 離線語音辨識

用的是開源的 sherpa-onnx 語音辨識引擎，搭配專門為中文優化過的 xlarge 等級模型（這是目前這個系列裡準確度最高、但也最佔容量的版本，犧牲了英文辨識能力，換取中文辨識的精準度）。整個辨識過程完全在你的電腦本機運算，不需要網路、不會把你講的任何一句話傳到任何伺服器。

📋 自動貼上到游標位置

講完話，不用自己切換視窗、複製貼上，工具會自動把文字貼到你目前正在打字的地方，接著讓你繼續打字。這個機制被用在兩個地方——即時聽打模式（下面會講）、以及面板上一個獨立的「自動貼上」勾選項，兩者背後用的是同一套技術。

這個功能背後處理了一個容易被忽略的技術細節：按下我們自己面板上的按鈕，Windows 系統本來會把焦點切到我們自己的視窗，導致貼上動作失敗、貼到自己身上——工具會在背景持續追蹤「你原本在用的視窗」，貼上前先把焦點還給那個視窗，再送出貼上動作。

⚠️ 老實講：獨立的「自動貼上」勾選項，連我自己都不推薦開

這裡要特別誠實講清楚：模擬按鍵貼上這個技術本身，沒辦法保證 100% 成功——原因是它只能驗證「目標視窗有沒有被切到前景」，沒辦法驗證「視窗內部那個特定輸入欄位有沒有真的拿到打字游標」，尤其是瀏覽器裡比較複雜的輸入框（例如聊天對話框），這一層從外部程式沒有通用的方式能確認。這不是我們獨創的限制——連 Espanso 這類成熟的開源自動化工具，都得靠使用者自己調整延遲時間去對付同樣的不穩定，沒有人真正解決過這個問題。

面板上這顆獨立的「自動貼上」勾選項，剛好卡在一個兩邊好處都吃不到的位置：跟即時聽打模式一樣扛著同樣的貼上失敗風險，卻沒有即時聽打模式那種「為了極致速度，值得冒險」的明確定位；跟純手動複製比，又沒有手動複製那種「複製到剪貼簿幾乎不會失敗」的穩定度。失敗的話，這次已經修正成不會清空文字（你還是拿得回來），但「常常要重試、體驗不順」這件事本身沒有解決辦法。

我自己的建議：這個獨立勾選項，除非你真的想試試看，不然不建議開啟。真的需要「講完立刻貼上」的體驗，優先用下面的即時聽打模式（已經實測驗證在遊戲聊天框這種原生輸入框情境下穩定好用）；如果是瀏覽器、複雜網頁輸入框這類情境，兩種自動貼上都不夠穩，乾脆用最原始的「複製文字」按鈕，自己按 Ctrl+V 貼上，反而是最快、最不會出錯的做法。

🛡️ 系統管理員捷徑（有在玩需要防外掛驗證的網遊，一定要看這段）

平常直接雙擊程式使用完全不會跳任何授權視窗，只有在你需要把文字打進「用比較高權限執行的遊戲」時，才需要用到這個功能，講清楚給你聽：

Windows 有一個內建的安全機制叫 UIPI（使用者介面權限隔離），簡單講就是：權限層級比較低的程式，沒辦法把模擬輸入送進權限層級比較高的視窗。很多網路遊戲（尤其是有防外掛機制的），會用比一般程式更高的權限層級執行；如果我們的工具是用一般權限跑，講完話文字辨識沒問題，但貼到遊戲的聊天視窗、對話框裡就會完全沒反應——不會跳錯誤訊息，就是安靜地失敗。

實測過（燕雲十六聲這款遊戲）之後確認：只要工具本身也用系統管理員權限執行，這個問題就完全解決。第一次啟動程式時，會跳出一個對話框問你要不要建立一個「系統管理員捷徑」，選「建立捷徑」，程式會自動在同一個資料夾裡放一個新的捷徑檔案，之後只要在遊戲裡打字，改用這個捷徑啟動就好；平常聊天、打字用原本的 exe 就夠了，不用每次都用捷徑。

這個捷徑只會多做「以系統管理員身分啟動」這一件事，工具不會拿這個權限做輸入之外的任何其他事情。如果你當下選了「不用了」、之後才想要，也可以自己手動做（右鍵 exe → 建立捷徑 → 內容 → 進階 → 勾選「以系統管理員身分執行」），效果完全一樣。

⚡ 即時聽打模式（跳過 AI 校正，追求最快速度）

這是我自己意外發現、體感效率最好的一個功能。開啟後，你講完一句話，離線辨識完立刻自動貼上，完全不等待任何網路校正的延遲。麥克風按鈕會變成紫色脈動，跟一般模式的紅色做區分，讓你一眼就知道現在是哪種模式。

會做這個功能，是因為原本設計裡有 AI 校正這一步（見下方），雖然能修正一些同音字錯誤，但需要 1-3 秒的網路延遲，跟「自動貼上」搭配起來，體感會覺得卡頓。後來發現：日常對話情境下，離線模型本身的辨識準確度已經夠用，「準」不一定比「快」重要——這個模式就是為了追求極致的反應速度而存在的。

🔤 簡體轉台灣繁體

辨識引擎輸出的是簡體字，工具會自動轉換成台灣慣用的繁體字，貼出來的文字直接就是你平常打字慣用的字體。

✨ AI 校正（選用功能，需要自己申請免費的 Gemini API Key）

如果你想要更準確的結果，可以開啟這個選用功能：

• 去除口語贅字：把「嗯」「啊」「那個」「就是」「然後」這些講話時不自覺會講出來、但打字時不想要的贅字自動清掉
• 改口偵測：如果你講話講到一半改口重講（例如「我們約三點……不對，約四點好了」），AI 會判斷你的最終意思，只保留最後確定的版本
• 同音字校正：中文辨識最常見的問題就是同音異字判斷錯誤，AI 校正這一步會依照上下文修正

這個功能需要你自己申請一組免費的 Google Gemini API Key（申請流程簡單，Google 官方每天提供的免費額度對個人使用來說完全夠用），你的語音文字校正請求只會在你自己的 API Key 額度裡發生，我完全接觸不到你的任何使用資料。

金鑰存在你自己電腦的設定檔裡，面板上也有一顆「清除」按鈕，可以隨時把存起來的金鑰徹底清空，不是只能覆蓋成別組——如果你是在公用電腦、或借用別人電腦上測試過，用完記得清除，之後就跟從沒設定過一樣乾淨，不會留下任何痕跡讓別人接著用你的額度。

🎯 個人詞庫（熱詞功能）

你可以自訂一份專屬於自己的詞彙清單（例如你常玩的遊戲名稱、常聯絡的人名、工作上的專有名詞），這些詞會被優先提示給 AI 校正功能，讓辨識結果更貼近你實際的使用情境，減少常見詞彙被誤判成同音字的機率。（這個功能需要搭配上面的 AI 校正一起使用才會生效。）

😄 語音直接叫出表情符號

不用切輸入法、不用點符號面板，講幾個特定的詞，就能直接在文字裡插入表情符號：

你講	出現的符號
六六一	😄
六六二	🤣
六六三	🤭
六六四	🎉
六六五	❤️
六六六	👍

這個功能一開始設計成講「笑臉」「笑死」「偷笑」這種比較直覺的詞，但實際用下來發現，中文詞語比較容易被辨識引擎誤判，所以改成用數字組合當觸發詞——聽起來比較沒那麼直覺，但穩定度高很多，寧可犧牲一點直覺性，換取真正好用。

要提醒一下：這個機制是「講到這幾個詞就直接替換成符號」，沒辦法區分「你是真的想打這幾個字/數字」還是「想要符號」，跟句號、逗號這些口語標點是同一套邏輯，用的時候要留意一下。

🎮 遊戲模式

同時開著遊戲的時候，可以開啟這個開關，把語音辨識用的執行緒數量降低，減少對遊戲效能的搶佔。

🖱️ 拖曳移動、放大模式、位置記憶

面板可以自由拖曳到螢幕上任何你想放的位置，會自動記住你上次放的地方，下次開啟直接停在那裡；也有一個放大 2 倍的顯示模式，方便看不清楚小字的使用情境。

---

技術細節（給想知道底層在幹嘛的人）

• 開發框架：Electron（跨作業系統的桌面應用程式框架，這款工具目前只提供 Windows 版本）
• 語音辨識引擎：sherpa-onnx（開源專案，Apache-2.0 授權）
• 辨識模型：專門優化過的中文串流模型，int8 量化版本
• 打包方式：免安裝版（zip 壓縮檔），不會在你的系統登錄檔留下任何安裝痕跡，解壓縮後直接執行，不用的話直接刪除資料夾即可，不會有殘留
• 隱私：語音資料、辨識結果，除非你自己主動開啟 AI 校正功能並使用自己的 API Key，否則不會有任何一筆資料離開你的電腦

---

我自己的實際使用心得

寫這麼多功能介紹，不如直接跟你講我自己真實用起來是什麼感覺。

先說老實話：語音辨識不是百分之百準確。即時聽打模式因為完全不連網、不靠 AI 校正，單純吃離線模型本身的辨識能力，偶爾還是需要手動修正幾個錯字。但比起完全靠手打，這種「打完一長串之後只要挑幾個字修正」的效率，跟從頭到尾自己打字比起來，還是快非常多，這筆帳很划算。

即時聽打模式我必須大力推薦：講完的文字，幾乎可以即時出現在任何有文字輸入游標的畫面裡——遊戲裡的聊天對話框、通訊軟體、網頁上的輸入欄位，都親自實測過可以正常運作。這個「講完立刻出現在你正在打字的地方」的體感速度，是我自己用下來覺得最值得推薦的功能。

如果你願意申請付費的 Gemini API Key，開啟 AI 校正功能之後，效果會再往上拉一個層級——原本可能講一兩句就要修一次錯字，開啟之後可以延長到連續講 3-4 句，只需要修正個位數的錯字。搭配個人詞庫（熱詞）功能，你常用的專有名詞、人名，也會被優先辨識成正確的字。如果你剛好有在用付費 API，個人建議把 AI 校正開起來，體驗會更完整。

---

老實跟你講清楚的限制

我不想只講優點、藏著缺點，這幾件事你下載前應該知道：

• 只支援中文，語音辨識模型是專門為中文優化的，不支援其他語言
• 只有 Windows 版本，沒有 macOS / Linux 版
• 沒有付費申請程式碼簽章，Windows 下載執行時，可能會跳出「Windows 已保護您的電腦」的 SmartScreen 警告——這是因為我沒有付費申請商用簽章憑證（一年要幾百美元），對一個免費/象徵性定價的個人工具來說不划算。這個警告不代表有問題，點選「其他資訊」→「仍要執行」就可以正常使用
• 如果你的 Windows 11 有開啟「Smart App Control（智慧型應用程式控制）」：這個功能會攔截沒有數位簽章、來路不明的檔案，我們沒有付費申請簽章，有機率被直接封鎖，跳出「已封鎖可能不安全的應用程式」，沒有任何「仍要執行」的按鈕可以繞過。老實說，這個機制的判定不是每次都一樣——同一個檔案，有時候正常執行、有時候會被擋，判斷依據應該跟微軟雲端當下的信譽查詢結果有關，不是我們這邊能控制或保證的事。遇到的話，有兩種排除方式：
  1. 關掉 Smart App Control：「Windows 安全性 → 應用程式與瀏覽器控制 → 智慧型應用程式控制設定」切成「關閉」。2026 年 4 月之後的 Windows 更新已經取消了早期「關掉就回不去，只能重灌」的限制，切換是可逆的，關掉之後想開回來也隨時可以，不用擔心。
  2. 只針對這個程式解除封鎖，不用整個關掉防護：「Windows 安全性 → 病毒與威脅防護 → 病毒與威脅防護設定 → 管理設定 → 排除項目 → 新增或移除排除項目」，把解壓縮出來的資料夾加進排除清單，只有這個資料夾不受檢查，其他防護維持正常運作。
  這是免費、沒有付費申請程式碼簽章的免安裝小工具本來就會有的已知限制，不是病毒或惡意行為，只是微軟看不到「發行者身份」而做的保守判斷。
• 系統管理員捷徑是選用的（見上方功能說明），只有需要在有防外掛驗證的遊戲裡打字才用得到，平常聊天打字用原本的 exe 開啟即可，不用每次都跳授權視窗
• 需要下載語音模型檔案（第一次啟動時，程式會自動幫你下載，模型檔案本身接近 750MB，請確保有穩定的網路連線跑完這一次下載）
• 這是我一個人業餘開發的工具，不是有團隊在維護的商業產品，更新頻率、修 bug 的速度都沒辦法跟正式商業軟體比

---

想多了解一點的話：這個工具背後其實做了不少你看不到的準備工作

如果你只想下載來用，這段可以直接跳過，不影響你使用工具；如果你對「一個人怎麼把業餘做的東西準備到可以放心給陌生人下載」這件事有興趣，這段講給你聽。

功能本身寫出來，其實只是整件事的一部分。真正花掉不少力氣的，是那些你用起來感覺不到、但如果沒處理好你可能連下載都不會下載的東西：

• 這個工具用的語音模型是別人訓練公開的，我沒有直接假設「反正都是公開的，應該可以隨便用」，而是真的去申請帳號、一路查到模型檔案清單裡有沒有藏著使用限制的授權聲明，確認清楚之後才敢放心拿出來分享
• 一開始打包出來的版本，開啟要等將近 40 秒，找到原因之後換了一種打包方式，現在幾秒內就能用
• 陌生人下載到的檔案，我盡量讓它不要在你的電腦系統裡留下不必要的痕跡（不寫登錄檔），也盡量不要讓你第一次打開就看到 700 多 MB 的巨大下載檔案嚇到你

這些事情沒有一件會被寫進「功能清單」，但它們決定了你今天打開這個工具的時候，會是一次順利的體驗，還是一堆卡關的體驗。這大概就是我覺得，就算只收 29 元，這個東西也不只值 29 元的原因。

如果你剛好也是那種會在意「東西做得夠不夠完整、夠不夠讓人放心」的人，歡迎留言聊聊，說不定我們是同一種人 🙂

---

關於定價，講一句真心話

我自己每天在用這個工具，老實說，覺得用付費軟體的標準來看，這個東西的 CP 值我自己覺得很高。但這畢竟是我自己的主觀感受，所以想用一個很小的金額，讓實際下載使用過的人自己來投票——如果你用完也覺得物超所值，多付一點是對我最大的鼓勵；如果覺得不值，付最低價（甚至選擇不付）也完全沒關係，能有更多人用到這個工具，對我來說已經很開心了。