外觀

語言

高效 AI 駕馭術

Hex:OpenCode 團隊做的本機語音輸入,按住 Option 講話就貼上

Hex 是 Anomaly(OpenCode、SST 背後的團隊)開源的語音輸入工具:按住快捷鍵講話,放開後文字直接貼到游標所在的 app。語音辨識在自己電腦上跑,MIT 授權,支援 macOS、Windows、Linux。中文預設推薦 Qwen3-ASR 0.6B;Mac 版需要 Apple silicon 與 macOS 15 以上。

Kelvin Wang · · 6 分鐘閱讀

在 Mac 上的快捷鍵是 Option:按住、講話、放開,編輯器、瀏覽器、Slack、終端機都能直接收到文字。第一次啟動會下載一個語音模型,之後錄音不會離開電腦。程式碼公開在 GitHub 上,每個平台都有安裝檔。

GitHub stars(2026-11-05)
5,127
github.com
最新穩定版(2026-11-02 發布)
3.3.0
github.com
授權
MIT
github.com

從 Swift 版改寫成 Rust 版

Hex 最早是 Kit Langton 個人的 macOS app,用 Swift 寫,repo 是 kitlangton/Hex,2025 年 1 月建立。那個 repo 現在已經封存,說明寫著新版在 anomalyco/hex。

新版 2026 年 7 月開始,用 Rust 重寫,一份程式碼跑三個平台。舊版使用者不必手動搬家:新舊版用同一把 Sparkle 更新簽章金鑰,舊 app 會直接收到更新、換成新版。設定、歷史紀錄和下載過的模型都不會搬過去,權限要重新授權一次。Intel Mac 和 macOS 14 的使用者,新版不支援,可以繼續用舊的 Swift 版。

怎麼用?

安裝方式:

  • macOS(Homebrew):brew install --cask anomalyco/tap/hex
  • Linux:curl -fsSL https://anoma.ly/hex/install-linux.sh | sh,或 .deb、.rpm、AUR(yay -S hex-bin)、Nix
  • Windows:官網下載 x64 或 ARM64 安裝檔

裝好後,第一次啟動會引導你授權麥克風和輔助使用(Accessibility,貼上文字需要它),再下載語音模型。模型下載失敗或卡住,可以先跳過,之後再選。

聽寫有三種觸發方式:

  • 按住:按住快捷鍵講話,放開就辨識、貼上。預設快捷鍵 Mac 是 Option,Windows 是 Ctrl+Space,Linux 是 Alt+Space(GNOME、KDE 是 Ctrl+Alt+Space)。
  • 連按兩下鎖定:講長一點時不用一直按著,講完再按一次。
  • 切換模式:按一下開始、再按一下結束,錄到一半想放棄可以按 Esc。

快捷鍵可以改成其他修飾鍵、組合鍵、Fn,或滑鼠側鍵(Mac 要先在 Labs 開「Mouse shortcuts」)。貼錯地方可以用「貼上上一次聽寫」補救,所有聽寫結果也都留在歷史紀錄裡。

語音模型:中文該選哪一個?

Hex 的辨識引擎是 transcribe.cpp,可以跑好幾個家族的開源模型:英文預設是 NVIDIA 的 Parakeet,中文、粵語、韓文預設用阿里的 Qwen3-ASR,日文和自動偵測語言預設是 Whisper large-v3 turbo,俄文有 GigaAM。

選中文時,模型選單會列三個(程式碼裡的設定):

  • Qwen3-ASR 0.6B:推薦
  • SenseVoice Small:最快
  • Whisper large-v3 turbo:讀取你的詞彙表

Hex 團隊在 repo 裡整理了 transcribe.cpp 的評測數字,用的是 FLEURS 測試集(Google 的多語言朗讀語料)、和 Hex 實際下載同一份 Q8_0 量化檔。中文的字元錯誤率(CER,越低越好):

模型中文 CERHex 裡的標籤
Qwen3-ASR 0.6B7.57推薦
Qwen3-ASR 1.7B7.14Hex 未提供
Whisper large-v37.98Hex 未提供
Whisper large-v3 turbo8.50讀取你的詞彙表
SenseVoice Small10.12最快

來源:anomalyco/hex docs/research/language-recommendations-other.md(2026-10-22)。FLEURS test、Q8_0 GGUF、transcribe.cpp 的評測程式。

這份比較的限制,Hex 團隊自己也寫了:FLEURS 是照稿朗讀的維基百科句子,中文大約 900 句,95% 信賴區間約 ±0.9,差距在 1.5 以內都算誤差。所以前四個模型其實分不出高下,其中兩個 Hex 沒有提供;SenseVoice 明顯落後一截。評測程式也沒有統一繁簡字形,可能讓錯誤率偏高,文件主要以粵語為例。

人名、產品名可以加進「詞彙」清單。Qwen3-ASR 和 Whisper 都會把這份清單當成辨識時的提示;SenseVoice Small 不讀。Parakeet 系列要在 Labs 開「Vocabulary biasing」才會用,最多讀前 64 個詞。每個詞還可以填上「聽起來像」的錯誤寫法,這些寫法用在改寫和搜尋,Parakeet 的 biasing 也會用,但不會送進 Qwen 和 Whisper 的辨識。

聽寫以外的功能

Modes(輸出處理,側欄的 Output)。 辨識出來的文字可以先經過一串處理再貼上:固定替換、修正、格式轉換,還可以交給 OpenCode 用 AI 改寫。Modes 可以依目前的 app 或網站自動切換,每個 Mode 也可以有自己的詞彙表。

Meetings(會議錄音,beta)。 預設關閉,要在 Labs 打開,三個平台都有,行事曆提醒只有 macOS。它把對方的聲音(系統音訊)和你的麥克風分成兩軌錄,在本機轉成逐字稿,存成 Markdown,標出「You」和「Them」。可以偵測 Zoom、Google Meet、Teams、Slack huddle 等通話,逐字稿預設存在 ~/Documents/Hex Meetings。Mac 上的摘要預設用 Apple Intelligence 產生。

Annotate(畫面標註)。 錄螢幕的同時用筆在畫面上畫、一邊口頭說明,Hex 把錄影、筆跡和帶時間戳的逐字稿打包,送進一個 OpenCode session。適合指著畫面跟 coding agent 說哪裡要改。

命令列和 MCP。 hex status 看狀態、hex dictation toggle 從自己的快捷鍵觸發聽寫、hex mcp 開一個唯讀的 MCP server,讓 agent 讀歷史逐字稿和會議紀錄。

Labs。 還沒定案的功能都放在側欄最下面的 Labs,每項預設關閉。Labs 的文件說,使用者要求、團隊做出來但沒把握的功能,先放 Labs,不直接上線。

介面語言從 3.3.0 開始有繁體中文。文件寫明這是從簡體字串用轉換程式產生的,還沒有母語者審過。

不收 Pull Request

README 的貢獻說明只有兩句:「We don’t take pull requests. Open an issue describing the bug or idea, and our agents usually turn it around fast.」意思是不收外部 PR,有問題或想法就開 issue,交給他們的 agent 處理。

翻 commit 紀錄看得出這個流程:最近 68 個 commit 有 67 個標題附 issue 或任務編號,repo 根目錄的 AGENTS.md 被定為「實作的最高依據」,docs/ 裡每個功能都有一份功能地圖,寫著使用者怎麼操作、哪個測試能驗證、還缺什麼驗證。11 月 1 日到 2 日(UTC)發了 3.1.0 到 3.3.0 共五個版本。

README 說他們的 agent 通常很快處理回報的問題。代價是想自己改一點東西送回去,這條路是關的;MIT 授權允許你 fork 自己改。

目前的限制

  • Mac 只支援 Apple silicon、macOS 15 以上。 Intel Mac 只能用舊的 Swift 版。
  • Windows 和 Linux 還是 beta。 Linux 支援 X11、wlroots 系的 Wayland,以及 GNOME、KDE;KDE 要在桌面設定裡核准 Hex 的快捷鍵。
  • 「不離開電腦」只限語音辨識。 OpenCode 改寫、OpenCode 會議摘要和 Annotate 都會把內容交給你在 OpenCode 設定的模型;用的是雲端模型,內容就會送出去。要純本機,這三項都不要開。

適合誰

要本機辨識、三個桌面平台都能用、又要開源,Hex 都符合。已經在用 OpenCode 的人會更順手:Modes 的 AI 改寫、Annotate 的畫面標註,都直接接進 OpenCode。

中文使用者用預設的 Qwen3-ASR 0.6B 就好,常用的人名、產品名加進詞彙清單。專有名詞還是常被聽錯,再試 Whisper large-v3 turbo。

資料來源

  1. 1. Hex 官網 · Anomaly · 2026-11-05 查閱
  2. 2. anomalyco/hex(README、docs/、原始碼) · GitHub · commit 2595bc5,2026-11-05
  3. 3. Hex Releases · GitHub
  4. 4. Hex LICENSE(MIT) · GitHub
  5. 5. Hex 3.3.0 release notes · GitHub · 2026-11-02
  6. 6. Language recommendations: zh, yue, ja, ko, the Qwen set, and Auto · GitHub · 2026-10-22
  7. 7. kitlangton/Hex(已封存的 Swift 版) · GitHub
  8. 8. anomalyco/opencode · GitHub

關於作者

Kelvin Wang

電機工程師,和 AI Agent 做工具,分享工程與投資的實作筆記。

更多關於我