macOS 原生语音输入，专为非英语母语的 Crypto + AI 从业者打造
Native macOS voice input — built for non-native English speakers in Crypto & AI
Website · Quick Start · Features · Releases
--- ## 解决什么问题？ 你用中文工作，但你的行业充满英文术语。 你每天要说 "EigenLayer"、"agentic workflow"、"Uniswap V4"——但你不是英语母语者。你的发音可能不标准，你会中英文混着说，你会用中文音去读英文词。 **现有的语音输入工具完全不懂你在说什么。** Azex Speech 专门为这种场景设计：你的英语发音不需要完美，系统会学习你的口音和用词习惯，把 "可劳德" 纠正成 "Claude"，把 "衣根 layer" 识别为 "EigenLayer"。用得越多，识别越准。 ### 适合谁？ - 🌏 **非英语母语的开发者** — 用中文思考，但工作中离不开英文技术术语 - 🔤 **中英混说** — 一句话里 "我用 Cursor 部署了一个 Solana 合约"，不想切输入法 - 🗣️ **发音不标准也没关系** — 系统会从你的纠正中学习你的个人发音模式 - ₿ **Crypto / AI 从业者** — 内置领域词库，DeFi、LLM、协议名全覆盖 - ⌨️ **想用嘴代替键盘** — 说话比打字快 3-4 倍，尤其是长段中文 --- ## 核心亮点 ### 🎯 专治发音不标准 + 中英混说 你说的 | 通用工具识别 | Azex Speech --- | --- | --- "可劳德" | 可劳德 ❌ | Claude ✅ "衣根 layer" | 衣根 layer ❌ | EigenLayer ✅ "TVR 超过了 2B" | TVR 超过了 2B ❌ | TVL 超过了 2B ✅ "deep seek 的推理" | deep seek 的推理 ❌ | DeepSeek 的推理 ✅ "uni swap V4" | uni swap V4 ❌ | Uniswap V4 ✅ 不是靠 ASR 引擎本身多强——是靠我们在 ASR 之上的四层纠错。 ### 🧠 四层纠错，越用越懂你 ``` ASR 引擎（FireRedASR v2 CTC，中英双语 SOTA） ↓ 原始识别 领域词库（1800+ Crypto/AI/编程术语预置） ↓ 术语纠正 上下文感知（自动读取当前窗口的代码、聊天记录作为热词） ↓ 热词加持 隐式学习（你的每次纠正都自动记住，适应你的口音） ↓ 个人化 最终输出 → 自动粘贴到目标窗口 ``` 关键区别：**别的语音工具只有 ASR 一层。我们有四层叠加。** ### 🗣️ 个人口音校准 + 发音训练 内置 Flashcard 式校准系统——朗读一段领域文本，系统自动对比识别结果和标准文本，找出你的发音特征并记录为纠正规则。 **发音训练模块**会自动分析你的使用历史，找出高频术语，生成个性化训练卡片。朗读训练句子，系统实时反馈哪些术语发音正确、哪些需要练习。连续通过 3 次即标记为"已掌握"。越练越准，让系统纠错和你的发音同步进步。 ### 🔒 100% 本地，零隐私顾虑 - 音频**永远不上传** — 所有识别在你的 Mac 上完成 - 数据是本地 JSON 文件 — 你可以直接打开编辑 - 无需注册、无需登录、无需联网 ### ⚡ 说话比打字快 3-4 倍 程序员平均中文打字约 40 字/分钟，说话约 150 字/分钟。Dashboard 会实时告诉你已经省了多少时间。 --- ## 产品截图
**Dashboard — 使用统计 + 最近会话**
追踪累计输出字数、节省时间、已学词汇。每条会话支持复制和删除。
|
**History — 纠错对比记录**
原始识别（红色删除线）→ 纠正后（白色加粗），学习到的词对标绿。
|
**Vocabulary — 词库管理**
个人词库（可编辑）+ Crypto/AI 领域词库（只读），支持搜索和手动添加。
|
**Calibration — 语音校准**
Flashcard 式校准卡片，每领域 5 段文本，朗读后自动生成纠正规则。
|
**Feed — 上下文语料**
一键抓取当前窗口文本，自动提取专有名词作为识别热词。
|
**Training — 发音训练**
基于使用历史自动生成训练素材，高频术语 Top N + 训练卡片，朗读后实时反馈。
|
**录音指示器**
紧凑胶囊 HUD，录音中 → 识别中 → 已粘贴。多屏自动跟随鼠标位置。
|
MIT © Azex AI
Built for non-native English speakers in Crypto & AI