Kaze

  • 语音输入
  • 本地优先
  • 开源
平台
macOS
收录日期
状态
已入库
Kaze 界面样本

Kaze

产品简介

Kaze 是一款 macOS 语音输入工具。用户按住快捷键说话,松开后在当前应用的文本框中写入文字;也可通过 Clean Up 删除口头填充词、保留自我修正,并整理数字、日期、时间和邮箱等表达。官网称语音识别在本机完成,文本清理可选择本地模型或用户自行配置的云端服务(P1)。

它不是以独立语音文档为中心的笔记产品,而是位于其他应用之上的系统输入层。因此,本笔记重点收录它如何把听写状态、文本写入位置和隐私选择嵌入原有工作流。

为什么值得收录

  • 主任务不迁出当前应用:官网演示覆盖聊天、邮件、笔记等上下文,用户不需要先打开一个听写编辑器,再把结果复制到目标应用(E1/P1)。
  • 操作模型足够短:「按住—说话—松开输入」形成可一句话解释的主流程,另有点按免手持和 Esc 取消两种补充控制(P1)。
  • 状态入口与系统形态一致:听写反馈被放在屏幕刘海附近,而不是用大型悬浮窗遮挡正文;官网将这一区域作为跨应用的一致状态锚点(E1/P1)。
  • 隐私说明对应具体处理阶段:官网区分语音识别与文本清理,并说明云端清理发送转写文本而不是音频,比笼统的「私密」更容易判断数据边界(P1)。
  • 安装决策信息集中:下载、GitHub、免费开源、macOS 26 和 Apple silicon 要求在首屏相邻出现,减少安装前的信息往返(E1)。

核心任务

  • 用户:需要频繁输入短消息、邮件或笔记,希望减少键盘输入,并关心语音数据处理位置的 Mac 用户。
  • 场景:光标已经位于聊天输入框、邮件正文或其他文本编辑区域,用户临时改用语音表达。
  • 目标:不打断当前任务,得到可直接发送或继续编辑的文字,并能取消一次不满意的听写。
  • 非目标:从现有证据看,不把它当作完整音频编辑器、会议转写平台或多人协作工具。

使用流程与状态

  1. 等待:Kaze 在后台等待快捷键,不要求用户停留在独立窗口(P1)。
  2. 开始听写:默认按住 fn,刘海区域出现听写状态;快捷键可由用户更换(P1/E1)。
  3. 完成输入:松开按键后,文字写入当前光标位置。官网称写入后会恢复之前的剪贴板内容(P1)。
  4. 连续口述:点按快捷键进入免手持,再次点按结束,避免长段输入时持续按键(P1)。
  5. 取消:按 Esc 放弃本次内容,官网明确说明不会写入文字(P1)。
  6. 后续找回:历史记录保存听写结果,便于重新复制;词汇和替换规则用于改善后续输入(P1)。

以上流程来自官网说明;本次没有运行应用,因此只把它作为产品方描述,不作为已验证行为。

关键截图

截图 1|官网首屏与跨应用听写演示

Kaze-官网听写演示-X源视频帧-20261026.jpg

  • 用户正在做什么:首次了解产品,判断它解决什么问题、如何操作,以及能否在自己的 Mac 上安装。
  • 画面结构:顶部悬浮导航包含产品名、功能锚点、GitHub 与下载;中部依次是主标题、补充说明、两个动作按钮和系统要求;下方以 Mac 应用窗口展示听写位置(E1)。
  • 视觉观察:浅蓝背景上,黑色大标题和黑色下载按钮构成第一视觉层级;GitHub 使用白色次按钮。点阵字形和弧形文字停留在低对比背景层,没有越过正文阅读层级(E1)。
  • 产品表达:标题「Speak your mind. Kaze writes it down.」先说结果,补充文案再说明按键、跨应用和本地处理;画面不是只展示一个抽象麦克风图标(E1)。
  • 支持的结论:首屏把「是什么、怎么用、在哪用、如何安装」组织成连续判断路径,适合主流程足够聚焦的系统工具。

设计亮点

视觉

  • 首屏以居中大标题建立产品承诺,以下方真实应用画面解释抽象的系统级能力(E1)。
  • 主按钮、次按钮和限制说明使用同一水平阅读区,下载动作突出,但没有隐藏开源和系统条件(E1)。
  • 装饰元素围绕语音与文字展开,与产品主题有关;不过其对比和动态仍应在真实设备上复核,不能仅凭截图判断长期阅读舒适度。

组件

  • 刘海听写状态:把短暂状态放在固定系统区域,让原应用和输入位置继续可见。该组件应只承载当前必要反馈,而不是扩展成第二个编辑器(E1/P1)。
  • 双入口安装组件:下载面向直接使用者,GitHub 面向希望检查源码或自行构建的人,两种意图并列但主次明确(E1)。
  • 能力说明组件:官网分别展示 Clean Up、识别模型、词汇、替换和历史,不把个性化与隐私混成单一营销卖点(P1)。

交互与动效

  • 按住与点按对应两种输入时长:短内容可按住,长内容可免手持;Esc 提供明确退出路径(P1)。
  • 写入发生在当前光标位置,避免引入额外的「复制结果—切换应用—粘贴」步骤(P1)。
  • 官网提到 Liquid Glass 和弹性过渡,但本次截图不能证明动画参数、打断行为或减少动态效果支持,因此不展开为实现规范。

产品体验

  • 官网称识别通过 Apple silicon 的 Core ML 在本机运行,模型按需下载后可离线识别(P1)。
  • Clean Up 的本地与云端选择应被理解为不同数据边界:本地模式不上传文本;云端模式发送转写文本给所选服务。音频是否上传与文本是否上传是两个问题(P1)。
  • 词汇用于人名和术语,替换用于固定短语,历史用于找回结果,三者分别对应识别个性化、输入效率和错误恢复(P1)。

可提炼的设计沉淀

  • 候选:系统级输入工具应把主内容留在当前应用,只在稳定系统区域呈现短暂状态。
  • 候选:涉及本地与云端混合处理时,隐私说明应按处理阶段和载荷类型拆分,而不是只写一个「本地优先」标签。
  • 候选:按住、点按和取消可以分别服务短输入、长输入和放弃输入,但三者必须有可发现的状态反馈。

不适合照搬

  • 刘海并非所有设备都有,也不是跨平台稳定容器。其他系统需要等价的状态入口,并验证遮挡、多显示器和全屏场景。
  • 「任何文本框」依赖辅助功能权限、输入焦点和应用兼容性,不能由营销演示推断为普遍保证。
  • 把剪贴板作为写入通道时,必须验证原内容恢复、富文本、密码字段和并发剪贴板变化;官网描述不能替代这些测试。
  • 本地模型下载体积、首次准备时间和云端清理选择需要明确呈现,避免把「无需账号」误读为所有功能都不联网。

后续验证清单

  • 在聊天、邮件、纯文本与富文本编辑器中检查写入位置、撤销和焦点恢复。
  • 验证按住、点按、Esc 的可见状态,以及快速连续操作是否产生重复写入。
  • 检查剪贴板恢复、远程内容权限、模型下载、离线和云端清理的不同数据路径。
  • 验证长句、自我修正、数字与中英文混输,但不以单次演示推导整体准确率。

证据限制

  • 未安装或运行 Kaze,未验证识别准确率、清理效果、剪贴板恢复、权限、延迟、离线行为或应用兼容性。
  • 隐私、模型、语言和开源描述均为官网口径;截图只证明官网呈现和演示画面。
  • 本笔记保留为 collected,不是实际项目应用后的 verified 结论。

来源