按住右 Option 說話，放開，文字已經在游標上，沒有隨機簡體中文輸出。本地端模型權重只佔 675 MB。
本機模式零連網請求 · 不用帳號 · 沒有字數限制
實錄示範 · 對 AI 隊友口述訊息 · 辨識結果未經修改 · 說出「這個API的latency有點高，我們先profile一下」
macOS 內建聽寫一次只能選一種辨識語言：選了中文，句子裡的英文就被硬轉成不成樣的中文；選了英文，中文整段報廢。中英夾雜是你真實的說話方式，所以第一步就卡住了。跳出內建方案之後，還有三種摩擦在等：
你的每一句話都得被傳到別人的伺服器，才能換文字回來。
就算提供本機語音模型，也總是用高記憶體佔用（動輒 1.6 GB）的 Whisper 系列作為唯一或預設選項。
大部分語音轉文字模型預設直出簡體，英文社群的主流選項也沒有針對繁中調教，「軟件」「視頻」就這樣混進你的文件。
Lamitype 只做一件事：在隱私優先的前提下，讓你的聲音以最小的摩擦變成文字。
同一句話。左：常見簡體直出「我先去剪头发，回来再吃干面」。右：Lamitype 實際輸出「我先去剪頭髮，回來再吃乾麵」，一對多的 髮／發、乾／干 都對。
語音模型輸出哪種字集，本來是機率問題。Lamitype 用 OpenCC s2twp 做確定性轉換，保證輸出台灣用語：軟體不是軟件，影片不是視頻。
模型權重只有 675 MB，不到 Whisper Large v3 Turbo 的一半。MLX 閒置快取設 1 GB 上限，開一整天也不會越吃越多，Claude Code 跟 Codex 照常全速跑。
不是偵測到英文再切換引擎，而是同一句話裡原生辨識中英混講。「這個API的Latency有點高」原樣輸出，不用切輸入法。
預設完全本機，零連網請求，你可以自己用封包工具驗證。要雲端品質時，用你自己的 API 金鑰直連供應商，中間沒有任何伺服器。程式碼 MIT 開源，原始碼本身就是隱私稽核報告。
免費，不用帳號。跟著引導完成麥克風與輔助使用權限。
在任何 app 的任何輸入框都可以。
文字已經在游標上。
聽寫之外，Lamitype 還內建一個不額外佔用記憶體的潤飾功能：在任何 app 選取文字，雙擊右 Option，Text Polish 就地校對錯字、文法、標點，每個改動用 diff 標出來，刪了什麼、加了什麼一目了然，不會偷偷改你的意思。
誠實限制：它是校對員，不是改寫器，語意、語氣、中英混用都原樣保留。底層是裝置端 Apple Intelligence（macOS 26+），模型小、改得保守，有時會判斷不需要改動。我們覺得這比亂改好。
實錄 · 口語原文「⋯效能效能好像還可以⋯」潤成「⋯效能可以⋯」，每個改動以 diff 顯示
數字為各工具預設精度的模型權重；675 MB 是 Qwen3-ASR 0.6B 的 4-bit MLX 量化。另有約 464 MB 的 4-bit Whisper-turbo，但輸出偏簡體，所以我們的主張不是「最小的模型」，是「能做出道地繁中的模型裡，最輕的那一個」。選用雲端引擎（你自己的 OpenAI 或 Gemini 金鑰）時，本機模型記憶體歸零。
完全免費，MIT 開源授權，沒有訂閱、沒有字數限制、不用註冊帳號。想用雲端辨識才需要自備 API 金鑰，費用直接付給模型供應商，不經過我們。
本機模式下，聲音轉文字不會發出任何網路請求，你可以用 Little Snitch 或封包擷取自行驗證。只有在你主動填入自己的 API 金鑰並啟用雲端辨識時，音訊才會直連該供應商。
多數模型的中文訓練資料簡繁混雜，輸出字集取決於解碼當下的機率。Lamitype 在輸出端用 OpenCC s2twp 做確定性簡繁轉換，字集不由音訊決定，一律是台灣繁體用語。
可以。模型在同一句話內原生處理中英切換，例如「這個API的Latency有點高」會原樣輸出，英文單字不會被硬翻成中文。
模型下載只有 675 MB，載入後常駐約 2.1 GB，MLX 閒置快取設 1 GB 上限，開一整天也不會越吃越多，不用時可以在選單一鍵完全卸載。
Apple Silicon（M 系列）全系列，需要 macOS 15 以上。不支援 Intel Mac，因為底層依賴 MLX 框架。
同一個產品。Lamitype 的前身叫 HushType，2026 年改名，開發者、程式碼與版本歷史完全延續，GitHub 上看得到全部紀錄。