Hex 语音输入：opencode 团队出的免费本地听写，用嘴给 AI 写提示词

Hex 是 opencode 背后的 Anomaly 团队做的语音听写工具。按住一个键说话，松手后文字直接粘贴到当前光标所在的应用里。语音识别在本地电脑上跑，不走云端。项目基于 MIT 协议开源且免费，主力平台是 Mac，Windows 和 Linux 版目前标注为 beta。

如果你每天都要给 Claude Code、opencode 或 Cursor 写大段提示词，手里又是 Apple 芯片的 Mac，可以装个 Hex 试试。它不花钱，也不会把录音传出去。Windows 和 Linux 用户可以尝鲜，但要有面对 beta 版的心理准备。我们没有在 Mac 上实际用过 Hex，只在 Linux 下用命令行跑了它的识别引擎，结果见下文我们的实测部分。其余信息来自项目文档或作者的帖子，标为项目说法并附上了链接。

Hex 是什么

根据 README，Hex 是面向 Apple 芯片、macOS 15 及以上的本地优先语音听写工具，同时提供 Windows beta（x64 和 ARM64）与 Linux beta（x86_64，支持 X11 和 wlroots 系 Wayland）。应用本身用 Rust 编写，识别引擎是团队自己基于 ggml 开发的 transcribe.cpp，README 里写着支持 “16+ model families”。

Mac 上的操作方式很直接：

• 按住 Option 说话，松开后文字粘贴到光标处。
• 连按两下 Option 进入免手持连续录音。
• Option-Shift-V 再次粘贴上一次的听写内容。
• 按键少于 300 毫秒不会触发录音，不怕误触。

README 明确提到，普通听写不需要依赖 OpenCode，也不需要云端转写服务（原文 “does not require OpenCode or a cloud transcription service”）。首次选择模型时，软件会从 huggingface.co 下载模型文件。国内网络能否顺利连接 huggingface.co 我们没有验证，遇到下载失败可以先排查网络问题。

目前的代码库还很新，创建于 2026 年 7 月 17 日。不过作者之一 Kit Langton 提到，他两年前就用 Swift 做了第一版 Hex，团队内部已经用了大约 10 个月。10 月 31 日发布的 v3.0.0 相当于推倒重来，不导入 2.x 的任何数据，2.3.1 也不会自动升级上去。最新一版是 11 月 1 日发布的 v3.1.1。截稿时仓库大约有 2.6k star。

opencode 为什么在推它

北京时间 10 月 31 日 23:39，opencode 官方账号发帖宣布 Hex 正式版发布，我们查看时这条帖子已有约 7.2k 点赞和 70.5 万浏览。官方的口径是，不管你用哪个 agent，语音都是最好的交流方式，而 Hex 速度快、本地运行、覆盖 Mac/Windows/Linux，是用声音交流的最佳选择。

两分钟后，另一位作者 Dax 补充说，这是他用得最多的应用，使用频率甚至超过了 opencode，配合 agent 用起来会上瘾，再退回打字会很难受，所以干脆把 Hex 做成全系统通用的独立应用。他在另一条回复中也提到，自从在 opencode 里用顺手之后，就想在所有地方都用上。

看得出 Hex 并不打算绑定某一个特定的 agent。它的机制是往当前聚焦的输入框粘贴文字，按理说在终端的 Claude Code 或 Cursor 的聊天框里都能正常跑。不过团队的帖子只讲了配合 opencode 的用法，拿去配 Claude Code 或 Cursor 是我们的想法，我们和作者都没有留下实测记录。

开发过程还有个细节。Dax 说 Hex 是 “fully vibe coded”，应用本体、落地页、动画全是 AI 写的，音效由 AI 生成，用户提的 issue 也交给 opencode 去修。这是他本人的说法，人工审查实际介入了多少，我们无法核实。另外 README 里写了一条规定，项目不接受外部 PR，但如果你提交了问题分析，修复该问题的 PR 里会加上你的署名。

对 AI 编程有用的功能

Transforms（文本变换）。 Dax 在北京时间 10 月 30 日发帖介绍，Hex 加入了 transforms 功能，可以把语音输入的提示词全部转成小写，看起来就像手打的一样，用户还能自己写函数处理任意逻辑。相关配置保存在仓库的 hex.config.ts 里，也可以直接让 agent 帮忙配置：

npx skills add anomalyco/hex --skill hex-personal-commands

Vocabulary（词表）。 v3.0.0 新增了词表功能，专门用来纠正模型老是认错的人名和技术术语。看看后文的实测结果，就能明白程序员为什么需要它。

OpenCode 改写。 Hex 支持把转写结果交给 OpenCode 背后的模型做润色。从 v3.1.0 开始，Hex 只连接已经在后台运行的 OpenCode，不再自己拉起进程。这是整个软件里唯一走出本地的功能。README 写得很清楚，它会把转写文本、前台应用名以及 Brave 浏览器当前站点的域名发送给你所配置的模型服务商。

Annotate（标注）。 一边录屏、在屏幕上涂画，一边口述问题，最后打包发给一个 OpenCode 会话。根据 v3.0.0 的更新说明，这个功能目前还在 Dev 渠道。

命令行和 MCP。 v3.0.0 带来了 hex 命令行工具。Mac 用户可以用它检索听写历史，比如跑一条 hex history --since 3d --app 'OpenCode Beta' --grep problems --json。从 app-v2.2.0 起，hex mcp 支持通过 MCP 协议把会议录音的转写内容喂给 agent（我们下载的 Linux 版帮助信息里标注为只读）。会议记录功能目前是 macOS 上的 beta 特性，需要去 Labs 设置里手动开启。

安装

macOS 版要求 Apple 芯片且系统在 macOS 15 及以上。Homebrew cask 上的当前版本是 3.1.1，指明需要 arm64 和 Sequoia：

brew install --cask anomalyco/tap/hex

装好后需要给麦克风和辅助功能权限。根据 README 的说法，Hex 不需要“输入监控”权限。

Windows 10/11（beta）可以直接下载 x64 或 ARM64 安装包。由于安装包目前还没做代码签名，SmartScreen 可能会弹出警告。默认快捷键是 Ctrl+Space。

Linux 版（beta，x86_64 Arch，要求 glibc 2.44 及以上）提供了一键安装脚本：

curl -fsSL https://anoma.ly/hex/files/install-linux.sh | sh

README 提醒，这个脚本目前拉取的是最新 dev 构建。如果用其他发行版，Linux 指南里给出了 .deb 和 .rpm 包，glibc 要求放宽到 2.39 及以上。不论 Windows 还是 Linux，x86_64 版本都要求 CPU 支持 AVX2 指令集（Intel Haswell、AMD Excavator 或更新的架构）。

Linux 发行版 Omarchy 已经把 Hex 加进了系统的听写选项，跟 Superwhisper、Voxtype 放在一起，DHH 在北京时间 11 月 1 日 05:29 发帖提了这事。这个 PR 里记录了一个坑：在 Wayland 下，Hex 用 wtype 模拟出来的 Ctrl+V 粘贴动作会被终端忽略，所以 Omarchy 改成了调用 hex dictation stop --print 拿到文本，再由 Omarchy 自己把文字敲进去。如果你打算在 Wayland 环境下对着终端里的 agent 说话，最好先试试粘贴灵不灵。

中文用户选哪个模型

Hex 内置了多个模型，源码的模型列表按语言给出了推荐：

软件界面从 app-v2.3.0 开始支持中文。

版本发布说明里提到了两组性能和资源数据，均为项目说法。一是 app-v2.3.0 引入流式识别后，一段 2 分钟的语音松开按键 0.1 秒就能出字，而旧版在 RTX 5070 Ti 上要等 0.9 秒，在 MacBook Air M4 上要 2.8 秒。二是 v3.0.0 把本地模型的内存占用从约 900 MB 压到了约 160 MB。另外在 Windows 和 Linux 上跑流式识别需要安装 Vulkan 显卡驱动。

我们在 Linux 上看到的

我们没有在 Mac 上用过 Hex。11 月 1 日，我们下载了 Linux x64 二进制文件（--version 输出 hex 3.1.1），绕过图形界面，直接用 hex model transcribe 命令把 WAV 音频喂给下载好的模型。测试跑在一台 Debian 13 虚拟机上，分配了 8 个 vCPU、15 GB 内存，没有挂 GPU。因此下面的数据纯粹反映 CPU 离线转写表现，不涉及流式识别、快捷键响应和剪贴板粘贴。

测试用了三段音频：一段是 whisper.cpp 仓库自带的 11 秒公开样本 jfk.wav，另外两段是我们用 TTS 合成的编程提示词，各 9 秒左右。TTS 合成音比真人在工位上说话干净得多，这些测试结果只能算最理想状态下的表现。

中文测试音频的原文是：“帮我把 UserList 组件里的 useEffect 改一下，组件卸载的时候取消请求，然后跑一下 pnpm test，把失败的快照修好。” 英文音频意思一样，另外提到了 Vitest。

下面是我们的实测结果（耗时包含进程启动和加载模型的时间；每组跑 3 次，3 次输出的文字完全一致）：

在这台纯 CPU 虚拟机上，官方推荐模型比 Whisper 快了好几倍，错字也少。跑中英混杂的句子时，Qwen3-ASR 准确认出了 pnpm test，只把两个驼峰命名的单词拆开了。不过所有模型都没能认出 “Vitest”，遇到 UserList、useEffect 这类驼峰标识符时，也经常被拆开或变成小写。前面提到的词表和 transforms 功能正好用来对付这种毛病，但我们这次没测这两项。另外，命令行单次运行的内存峰值（含模型加载）在 1.0 到 1.3 GB 之间，由于测量口径跟上面 160 MB 的项目说法不同，两边不能直接横比。三个模型的下载体积分别是 Parakeet 731 MB、Qwen3-ASR 850 MB、Whisper 886 MB。完整的测试命令和终端输出都留在了我们的证据记录中。

和其他听写工具对比

Superwhisper 和 MacWhisper 的具体售价我们在官网上没翻到确切数字，所以表里没写具体金额。跟 Hex 定位最像的开源竞品是 Handy。Hex 作者 Kit Langton 自己也评价过，说 Handy 做得挺好，他只是出于一些细枝末节的原因更偏爱 Hex，两个都免费。

隐私

按照 README 的说明，所有语音转写都在本地完成，默认不留存录音。历史记录默认只保留 7 天内的文本，绝不记录音频文件、完整 URL 或窗口标题。本地日志里可能会写入转写出来的文字，但不会往外传。唯一例外是开启 OpenCode 改写时，相关内容会发给你自己配置的模型服务商。另外从 app-v2.2.0 开始，听写生成的文字在写入剪贴板时会打上临时内容标记，方便剪贴板管理工具自动跳过。

常见问题

Hex 收费吗？ 不收费。项目按 MIT 协议开源，Kit Langton 明确说过免费，我们在官网 anoma.ly/hex 上也没看到任何付费套餐。

必须装 opencode 吗？ 不用。日常听写跟 opencode 没关系，只有打开改写和 Annotate 功能时才用得上，而且 Hex 只会去连已经在后台跑着的 opencode。

能离线用吗？ 语音识别完全在本地跑，只是第一次选模型时得联网去 huggingface.co 把模型文件拉下来。

能配合 Claude Code 或 Cursor 用吗？ Hex 的原理是往当前聚焦的窗口粘贴文字，按理说没问题。不过我们没实际测过，作者平时发帖也只拿 opencode 举例。如果你在 Linux 的 Wayland 终端里用，记得留心前文提到的 Omarchy 粘贴失效问题。

中文识别怎么样？ 官方推荐中文用 Qwen3-ASR 0.6B。从我们的 TTS 合成音测试来看，中文整句基本正确，夹杂在里面的英文术语则经常丢掉大小写或拼错，得靠自定义词表去修正。至于面对真人口音和嘈杂环境时的表现，我们这次没有测试。

Intel 芯片的 Mac 能用吗？ 用不了。Mac 版硬性要求 Apple 芯片，系统版本至少得是 macOS 15。