Blurt：按住快捷键说话，干净文本自动粘到光标

按你需要语音输入的瞬间，macOS 自带听写往往让人失望：它识别出来的是口语原话，嗯、啊、呃、重复、口头禅一个不少，你还得逐句手动清理。如果你想要的是"说话之后直接得到干净文本，并且它自动出现在当前光标处"，系统自带功能做不到，第三方听写工具又大多按订阅收费。

开源的 macOS 听写工具 Blurt 针对的正是这个场景，一句话概括：按住快捷键说话，松开后干净文本自动粘贴到光标处。它基于 AssemblyAI 的语音识别接口，内置文本清理，MIT 协议免费开源，不需要账号，也不需要订阅。

一、它解决什么问题

先把听写的痛点理清楚。macOS 自带听写免费、系统集成好，但识别结果是口语原话；一般第三方工具要么能清理却要订阅，要么免费却不清理。Blurt 的差异化在于"识别加清理一步到位"：它不是先识别出乱糟糟的口语、再调用一次大模型清理，而是在一次 AssemblyAI 调用里把清理指令当作 prompt 一起传过去，返回的就是干净文本。没有第二步，没有轮询等待。

二、核心设计：识别与清理在同一个请求

这是 Blurt 最聪明的设计点，README 里写得很明确：转录和清理在一次 AssemblyAI 同步 STT 调用里完成，清理指令作为请求的 prompt 参数附带，所以文本回来时就是干净的，不需要第二次大模型处理，也不需要轮询循环。

对比传统做法：两步法是先 ASR 识别、再交给 LLM 清理，两次 API 调用，更慢也更贵；Blurt 的一步法把识别和清理指令合并成一次调用，更快、更省。AssemblyAI 的 STT API 本来就支持通过 prompt 参数注入上下文与指令，多数人只拿它传领域词汇，Blurt 拿它传清理指令，这是对既有 API 能力的创造性使用。这类工具的共同思路也在于此：不堆模型，而是把已有 API 的隐藏能力用足。

三、交互设计：按住说话，松开即得

Blurt 的交互极简：按住快捷键说话，松开后文本自动粘贴到当前焦点应用的光标处。默认快捷键是右 Command 键，支持两种模式：按住模式是按住开始录音、松开结束；点按模式是点一下开始、再点一下结束。

你不需要切换窗口，也不需要看 Blurt 自己的界面。在一个应用里写作时按住右 Command 说话，松开后文字就落在光标处，这正是无缝集成的意义。

四、技术架构：原生 macOS 加 AssemblyAI

为什么用原生 Swift 而不是 Electron？Blurt 是常驻后台、按快捷键触发的工具，这类场景下原生应用内存占用更小、启动更快，而且全局快捷键、Keychain、辅助功能这些能力都依赖系统级 API，原生实现的集成深度是 Electron 不容易追平的。

为什么选 AssemblyAI 而不是 Whisper？Whisper 本地运行，免费且隐私好，但没有内置清理，识别出来仍是口语原话；AssemblyAI 是云服务，需要 API key，但支持在 prompt 里注入清理指令，一步到位。Blurt 的核心价值就在"清理"二字，所以选了支持清理的方案。如果你只在乎识别、不在乎清理，本地 Whisper 反而更合适。

隐私方面，README 写明：Blurt 只在一次听写会话期间捕获音频，也就是你按住按键或点按开关的这段时间内，随后发送给 AssemblyAI 转录，Blurt 本身从不存储音频；AssemblyAI 侧如何处理数据由其隐私政策约束。只在需要转录时发送，发完不留，这个设计是合理的。

五、怎么装

# 1. 下载：到 releases 页面获取 Blurt.dmg
#    https://github.com/alexkroman/blurt/releases/latest
# 2. 安装：打开 DMG，把 Blurt.app 拖进 Applications
# 3. 首次启动：授权麦克风与辅助功能；
#    粘贴 AssemblyAI API key，自动存入 Keychain 并当场校验；
#    选择快捷键，默认右 Command
# 4. 使用：在任何应用里按住右 Command 说话，松开即得

需要 macOS 15（Sequoia）或更高版本、Apple Silicon 芯片，以及一个 AssemblyAI API key，先走免费额度，超出后按用量计费。

六、和同类工具对比

Blurt 的甜蜜点在"清理、免费、一步到位"三者的交集：Superwhisper 能清理但要付费且是两步；Whisper 免费却不清理；macOS 自带听写同样不清理。

七、谁该用，谁要注意

适合你，如果：你每天大量使用语音输入，写文章、记笔记、回消息；你受够了识别结果里的嗯啊呃要手动删；你想要"说话、得到干净文本、直接落在光标"的连贯体验；你的设备是 Apple Silicon 且系统在 macOS 15 以上；你也愿意申请一个有免费额度的 AssemblyAI key。

可能要注意的是：它需要联网，音频要发到 AssemblyAI；Intel 芯片与老系统不受支持；API key 的免费额度够日常使用，超出后按用量付费；另外它开源的是应用本体，识别引擎是 AssemblyAI 的云服务，模型本身并不开源。

八、它背后的趋势

Blurt 代表了语音输入从"识别"进化到"理解"的趋势。第一代以 macOS 自带听写为代表，识别语音、输出原话，包括所有嗯啊呃；第二代以 Superwhisper 这类两步工具为代表，识别之后交给 LLM 清理，慢且贵；第三代就是 Blurt，识别加清理一步到位，快、省、干净。

关键创新是把清理指令注入识别请求：不是事后修补，而是识别时就带着清理意图。这和 RAG 把检索意图写进 prompt 是同一种思路：让 API 调用本身携带意图，而不是依赖调用之后的二次处理。

九、小结

一句话：Blurt 是开源的 macOS 听写工具，按住快捷键说话，松开后干净文本自动粘贴到光标处，基于 AssemblyAI 一次完成识别与清理，MIT 协议免费。

它不是识别能力最强的语音工具，本地 Whisper 的识别未必输给它；也不是绝对零成本的方案，macOS 自带听写免费。但在"说话、得到干净文本、落在光标"这个具体场景上，它给出了当前的最优解：一步到位、免费开源、原生轻量。如果你每天大量语音输入，又受够了手动清理口语垃圾，Blurt 值得一试。

本文基于 Blurt 仓库的 README 与源码说明整理，仓库地址 https://github.com/alexkroman/blurt ，MIT 协议，要求 macOS 15 及以上与 Apple Silicon，需自备 AssemblyAI API key。