Galt

「评审改到周三,不对,周四下午三点。」人说话会停顿、改口,也会临时想换个说法。Galt 把听写、润色和写入接在同一次按键之后,让文字回到正在输入的位置。这个案例围绕 v0.1.3 的听写、选区改写、翻译和历史核对展开。

项目类型
独立个人产品
平台
macOS
服务内容
语音输入 · 交互设计
冷蓝灰色的麦克风近景分成清晰和失焦两半。左侧是白色 Galt 点划标记和字标,右侧的半透明玻璃录音条显示红色录音点、白色波形、取消键和停止键。
冷蓝灰色的麦克风近景分成清晰和失焦两半。左侧是白色 Galt 点划标记和字标,右侧的半透明玻璃录音条显示红色录音点、白色波形、取消键和停止键。

从一条待回复的消息开始

对话框里有人问「这周的评审定在什么时候?」答案已经在嘴边。如果要先打开录音窗口,说完再复制文字、切回聊天,这条短消息就平白多了两次切换。我把起点放在输入位置本身。光标在哪里,文字最后就回到哪里。

按住 fn,录音状态条出现。说到「周三」时发现记错了,直接接一句「不对,周四下午三点」。松开之后,转写和润色接着进行,回复写回原来的输入位置。最后的检查和发送仍由用户完成。

左侧是口述原话和 Galt 录音状态条,右侧是 macOS「文本编辑」中的评审回复,下方状态条提示已插入文本。
「文本编辑」中打开了一份示例回复。左侧口述先说周三,再改成周四;右侧文档里的评审时间是周四下午三点。

让手指决定录音的长短

短回复适合按住说话。手指离开按键,就是这一句的句号。可要把三天的安排口述成一份备忘录,一直按着键反而碍事。我把第二种手势留在同一个键上。短按进入锁定听写,再按一次结束。

状态条承担的任务很具体。录音时看得见波形,手松开后仍能确认它是不是在听。一句话结束后,又能区分正在转写与已经插入。长口述可以先把安排说完,再检查整理出的文字。

左侧 Galt「键盘快捷」设置中,语音输入绑定 fn。右侧解释按住与点按的区别,下方依次是录音波形、转写中和已插入文本。
键盘快捷设置显示 fn 的两种操作。下方依次展示录音、转写和写入的原生状态条。

用选区说清要改哪一段

「简短一点,语气自然些。」这句话既可能是要打进文档的正文,也可能是给编辑器的指令。我沿用了编辑器里最熟悉的动作。先选中一段文字,接下来的口述就解释该怎么改这段选区。

示例里,草稿选中「关于这个问题,我想我们可能还需要再找一个时间,一起讨论一下。」口述修改要求后,选区收成「这个问题,我们再约时间详谈。」前后的段落仍在原处,可以连着上下文再读一遍。

口述指令是「简短一点,语气自然些」。左侧是系统文本选区,右侧是精简后的句子,两份文档保留相同的下一段。
两张「文本编辑」截图打开同一份讨论草稿。口述要求作用于选中句,下一段在改写前后都写着「会前我会把材料发给大家」。

用熟悉的语言,写给另一种语言的收件人

回一封英文邮件,难处有时不在事情本身,而在临时寻找那个表达。我把翻译留在同一条输入路径里:先选定目标语言,再用熟悉的语言口述,结果回到正在写的邮件。

在设置的「语言」页里,可以指定翻译目标。配图用一条简单的邮件回复说明这件事:口述「谢谢你的耐心,附件里是修订后的版本」,得到英文草稿。写入之后,用户仍可以检查措辞、补上附件,再自行发送。

左上是 Galt 语言设置,目标为英语(美国)。左下是中文口述与翻译模式状态条,右侧是用「Hi Alex,」开头的英文回复草稿。
Galt 的翻译目标选为「英语(美国)」。右侧用「文本编辑」打开英文回复示例。

转写在哪里完成,由用户选择

网络可用时可以走云端,离线时也需要一条能继续输入的路。语音引擎提供自动、仅云端和仅本地三种模式;自动模式优先云端,在失败或没有可用凭证时回退本地。

本地转写可以选择 Apple 设备端听写,也可以在模型库下载 Whisper 离线模型。这里需要说清一个边界:转写和 AI 润色是两步。「仅本地」选择的是语音识别路径;如果需要全程离线,还应关闭使用云端模型的 LLM 润色。

左侧是 Galt 的语音引擎设置截图,包含引擎模式、本地模型及 AI 润色开关。右侧说明全程离线时需要同时检查的两处设置。
原生「语音引擎」页中,引擎模式选为「仅本地(离线)」,本地模型为 Apple 设备端听写,「启用 LLM 润色」已关闭。

成稿发出去以前,再看一眼原话

有些错误要等整句读完才看得出来。一个日期很顺口,却未必是我说的那个日期。历史保留原始转写,让润色后的文字还有一份原话可以核对。

菜单栏适合开始下一次录音,查记录则需要更多空间。我把概览、近期听写和历史入口放进控制台。想找回刚才的回复,可以沿时间找到它,展开记录,再复制需要的版本。历史记录保存在本机。

左侧是 Galt v0.1.3 的原生控制台,右下是历史页中 16:30 的记录局部,成稿下方保留以「嗯下午那个评审」开头的原始转写。
从控制台最近听写进入历史记录。右下角截取了 16:30 记录的展开状态,可以同时读到成稿与原始转写。

说话时先把意思讲完。碰到值得较真的用词,再回到记录里核对。

前往 Galt 官网 ↗