【吼蛙】Vibe了一个 Mac 听写转文字LLM后处理的App (新增选中文本一键处理)
Mac本地听写与AI后处理工具HoAh的功能迭代、竞品对比及用户反馈。
关键信息
- 项目名称：HoAh（吼蛙）
- 官网/下载链接：https://hoah.app/（Mac App Store 已签名 notarized）【#1】【#11】
- 核心功能
- 本地 Whisper 语音转文字（离线，无网络请求）【#1】【#57】
- 可选 AI 后处理（润色、翻译、改写等），支持自定义 Prompt【#1】【#7】
- 多语言混合识别，支持 Hindi、Telugu、Klingon 等【#1】
- 选中文本“一键处理”功能（复制‑>AI‑>粘贴）【#96】
- 支持多家云 streaming API（OpenAI Realtime、ElevenLabs Realtime、Amazon Transcribe Streaming）【#96】
- 支持 Ollama 本地模型、Groq、Cerebras、Bedrock、Gemini 等后端【#1】【#81】【#86】
- 新增 Local Streaming 转写（较吃硬件）【#115】
- 默认转写模型已升级为千问（Qwen）【#113】
- 作者回应断句问题：Qwen3 训练数据多为 10 秒以内短句，Parakeet 训练数据约为 30 秒，导致断句表现差异【#118】
- 作者回应竞品对比：认为其他同类产品效果千差万别，只有 Handy 做得较好，HoAh 目前性能优于 Handy 才考虑收费【#120】
- 作者回应断句差异原因：具体取决于用户使用的模型版本及管线，HoAh 未关注竞品具体管线【#120】
- 新增 Regex 替换 功能（从 Context 进入效果一般，主要依赖 Regex）【#123】
- 作者回应 Cursor 索引：不确定是否通过 LLM 实现，因需大量侵入用户 accessibility且研究不深入，暂不优先开发【#123】
- 作者回应 Super Whisper：用户询问公司用 Super Whisper 与 HoAh 对比，作者未直接回答，仅表示当前内容通过听写加 AI Action 效果不错【#124】
- 作者回应替换逻辑（#125）：替换是在文本识别出来之后进行的（STT 后替换），非语言识别时直接替换；针对 STT 后别字问题，作者表示目前主要依赖 Regex 处理，若用户有特定别字需求可反馈【#125】
- 回应与豆包对比（#126）：针对用户询问 HoAh 相比豆包语音输入法的增量优势，作者强调 HoAh 在增量处理（Incremental）、隐私保护（本地运行/无云端上传）及自定义管线方面的差异化价值。
- 回应豆包实时上屏特性（#127）：针对用户询问 HoAh 能否实现类似豆包输入法实时上屏，作者暗示当前架构主要依赖 AI Action 或系统听写接口，尚未支持直接模拟 IME 实时上屏。
- 回应会议转录需求（#128）：针对用户询问会议转录，作者未直接回复，结合功能描述，HoAh 主要依赖系统听写/麦克风，未明确支持直接捕获应用内音频流。
- 回应 DIY 功能分发问题（#133）：作者确认目前包含大量个人定制的 DIY 功能，因逻辑杂乱不适合标准化分发，暂时不整合进公开版本。
- 使用场景示例：浴缸 coding、客服回复润色、同事小语种悄悄话翻译、节日母语祝福等【#1】
- 资源占用：本地 Whisper 大模型（large‑v3）体积大，CPU 运行慢，推荐使用 GPU/Apple Silicon 加速；不启用 AI 时仅是本地软件【#3】【#30】
- 开源情况：项目原本开源，但因误提交凭证未清理历史，现为闭源发布【#48】
- 兼容性：不支持 macOS Ventura 以上的部分用户【#77】
- 其他功能尝试：曾计划上传音频文件、读取当前 App 信息、Ollama 本地模型等，但因体积或权限问题被舍弃【#62】【#70】
- 版本更新历史：因有人联系 rebrand 做付费版，HoAh 仅更新到 3.8.3【#120】
- 性能优化数据（作者声称）：
- 常用听写长度下，Qwen、GLM、Parakeet 延迟从 300-500ms 稳定压至 100ms-200ms，极端可达 50ms【#120】
- Whisper 延迟从 1 秒压至 500ms【#120】
- 优化了冷启动、内存管理、AI Action 延迟（常态 500ms 以内）及本地流式听写【#120】
- 竞品功能提及：Wispr Flow 提供九十天免费试用，支持自定义关键词，声称可 index Cursor 文件与变量名实现自动听写【#122】
最新动态
- 新增 Ollama 本地模型 支持【#81】
- 引入 实时 streaming 转写能力（需配置 API Key）【#96】
- 增强 Selection AI Action，实现选中文本即时 AI 处理【#96】
- 修复 UI 下载按钮颜色问题【#56】【#58】
- 计划加入 DeepSeek API（社区建议）【#101】
- 收到用户反馈：与 Handy 对比，HoAh 的 transcribing + apply AI action 两步速度较慢【#111】
- 作者回应：apply AI action 速度完全取决于 API provider；transcribing 已升级默认模型为千问（Qwen），系统资源正常时稳定 < 500ms【#113】
- 新增 Local Streaming 转写功能，但较吃硬件【#115】
- 用户 @smallhead 称赞产品比闪电说更方便【#112】
- 用户 @China.No.1 表示将用 M1 Max 尝试【#116】
- 用户 @Pizza 反馈中英文混用效果好，但纯英文测试 Qwen3 和 Parakeet V3 在实时转录中有气口时断句不佳，对比 altic.dev/fluid 表现正常【#117】
- 作者 @hoah 回应断句问题：Qwen3 训练数据多为 10 秒以内短句，Parakeet 训练数据约为 30 秒，导致断句表现差异【#118】
- 用户 @Pizza 补充：自己在 FluidVoice 中也使用 Parakeet V3，理论上模型版本应一致，截图对比显示效果不同【#119】
- 作者 @hoah 回应竞品与断句：认为其他同类产品效果千差万别，具体取决于模型版本及管线；HoAh 性能已优化至 SOTA，若今年收费版不赚钱则直接开源【#120】
- 用户 @Pizza 回复作者：吼蛙吼蛙【#121】
- 用户 @交大梁朝伟 分享 Wispr Flow 体验：发现其自定义关键词词典功能好用，可放入特定常用词汇；声称可 index Cursor 文件与变量名实现自动听写【#122】
- 作者 @hoah 回应 Regex 与 Context：新增 Regex 替换功能，从 Context 进入效果一般，因需大量侵入用户 accessibility 且研究不深入，暂不深入开发【#123】
- 用户 @佩洛西 提问：公司使用 Super Whisper，询问与 HoAh 哪个更好用【#124】
- 作者 @hoah 回应替换逻辑：确认替换发生在 STT 识别出文本之后，针对别字问题主要依赖 Regex 处理【#125】
- 用户质疑（#136）：@DeusX 询问 HoAh 相比 Super Whisper 的独特之处；作者未直接回复此条。
- 手机端推荐讨论（#138-#139）：针对用户寻找手机端听写转文字软件的提问，有用户推荐了 Typeless，并表示其每周 8000 词的免费额度基本够用。
- 云端转写与空间节省设置：针对有用户因希望节省空间（不想下载占用 708 MB 的 Qwen 3 本地模型）而询问是否可直接使用云端模型转写的问题【#140】，已有解答指出可在安装后进入设置删除该本地模型，并选择 "online model" 即可实现直接云端转写【#142】。
- 中英夹杂识别效果反馈：有用户在使用 Grok 配合 OpenAI GPT OSS 120B 时，反馈中英夹杂的识别率相比 Typeless 免费版要差很多【#141】；对此，其他用户推荐了在此场景下体验非常好的豆包输入法【#143】。
- 产品命名致敬：有用户注意到产品名称“吼蛙”是致敬长者的梗，表示支持【#144】。