做了个 macOS 菜单栏语音输入法 Setem ，开源免费（ MIT ），https://github.com/zcyoung2000/Setem
用法很简单：按住右 Option （可改）说话，松开后在浮窗里看到定稿，确认后一次性输入到光标处；也可以点按开始、再点按结束，适合说长段。识别有四个渠道：豆包、微信、千问三个云端，以及本机离线模型（ Apple 芯片，断网也能用）。
技术上是 Swift 原生实现，本体常驻内存占用小，安装包 6.1 MB ，没有 Electron 依赖。基于 VoiceKey fork 改的：云端走 WebSocket + protobuf 流式识别，音频 20ms 一帧 Opus 编码上传；全局快捷键用 CGEventTap 监听。做的时候踩过的坑主要是各家输入法协议都不公开，得自己抠客户端协议，而且接口随时可能变（ README 里也声明了这一点）。
求反馈：尤其想听听大家在别的同类工具上觉得最难受的点，我看看哪些值得先修。安装包在 Releases 里，ad-hoc 签名，首次运行要先去一下隔离属性。
Select Language