macOS 14 或以上，需要網路連線。每週 5,000 字免費，不用信用卡。
任何有游標的地方
不用複製、不用貼上、不用切視窗。整理好的文字直接進到最前面那個 App。那裡能打字，就能用講的。
- Terminal
- Gmail
- Slack
- Notion
- ChatGPT
- LINE
- Messages
為你平常講話的樣子做的
在台灣的辦公室裡，有一半的話都是晶晶體，像是「這個 component 要 refactor」。多數的語音輸入會把這句話判成一種語言，再把另一半翻譯掉。Shaberu 把它留成你講的那一句，中文也寫成台灣人平常在用的說法：辨識、用詞、中英之間的空格、最後的潤稿，全部在伺服器上跑完才送回來，所以它會愈來愈準，而你什麼都不用更新。錄音在同一個請求裡轉完就丟，不會寫進我們這邊的硬碟。
比較
和一般的語音輸入差在哪裡
| Shaberu | 一般的語音輸入 App | |
|---|---|---|
| 一句話裡的晶晶體 | 照你講的那一句寫下來，英文留在英文 | 判成一種語言，另一半被翻譯掉 |
| 標點與空格 | 標點補齊，中英之間留一格 | 一整段沒有標點的逐字稿，「呃」也照抄 |
| 你自己的詞彙 | 在辨識開始之前就先給模型 | 事後做字串取代，或根本沒有 |
| 算錢的單位 | 整理後的字數，中文按字、英文按詞 | 音訊的分鐘數，包含你在想的那幾秒 |
| 錄音 | 在同一個請求裡轉完就丟 | 多半在伺服器上留一陣子 |
| 兩台裝置 | 一個帳號、一份詞彙表、一份設定 | 通常一台設定一次 |
右邊那一欄寫的是這類 App 常見的做法，不是指某一個產品。哪一行寫錯了，寫信告訴我們，我們就改。
講到一半，可以直接下指令
講「換行」「新的一段」「分點列出來」，那句話會被執行，而不是被打成字。指令本身不會出現在結果裡，它前後的內容會。這是「幫你逐字打完」和「幫你記重點」的差別。
分點列出來 先確認預算 再排時程 最後找人
- 先確認預算
- 再排時程
- 最後找人
按一下開始，按一下送出
沒有按住講話這種模式。按一下右 Shift 開始錄，螢幕下方出現一顆膠囊：左邊取消、中間是即時波形和計時器、右邊送出。再按一下送出，按 Esc 丟掉。房間安靜的時候波形本來就是平的，所以那個一直在動的數字，才是你確認它真的在聽的地方。
你的名字和你這行的術語
加進詞彙表，辨識模型開始聽之前就先拿到，而不是事後拿一條規則去換字。兩台裝置讀同一份。
- Shaberu
- walkccc
- OpenCC
- Cloudflare
- 台積電
- appkit
iPhone 上是一顆鍵盤
用地球鍵切到 Shaberu，講一句話，文字就打進你當下那個輸入框。同一個帳號、同一份設定。
iPhone 版即將上架 App Store。
其他的事
- 快捷鍵可以換成左右 Shift、Option、Command、Control 或 Fn。按著它的時候只要碰到別的鍵、滑鼠或捲動，Shaberu 就判定你在打組合鍵，靜靜放棄這次錄音，所以拿 Shift 當快捷鍵不會打壞大寫字母。
- 講到一半說「換行」「新的一段」「分點列出來」會被執行，而不是被打成字。
- 中英文會自動辨識，不用切輸入法。一兩秒的短句是偵測最容易錯的情況，設定裡可以鎖定語言，代價是那次不能混講。
- 文字預設用貼上輸入，剪貼簿會原樣還原（含圖片和 rich text）；遇到擋合成貼上的 App 就改成逐字輸入。
- 潤稿可以關掉，也可以加額外指示，例如「我寫技術文件，語氣正式一點，不要用驚嘆號」。關掉之後用詞、標點和中英之間的空格照樣會做，那幾層是規則不是模型。
- 麥克風被拔掉、被靜音、或被別的 App 佔住的時候，一秒內就會講，不會讓你對著空氣講完一整段才發現。
- 最近 200 筆逐字稿以純文字存在這台機器上，文字插到錯的視窗時可以從那裡複製回來。
- 可以設定開機時啟動；有新版時選單列會多一列。更新只通知，不會自己裝。
- Mac 和 iPhone 同一個帳號。用 Sign in with Apple 登入，註冊就這一步，沒有第二步。
錄音不會留在任何一台機器上
音訊送到我們的伺服器，辨識、轉換、潤稿之後把文字送回來。它只在那一次請求的記憶體裡活著，不寫硬碟，我們這邊也沒有一個可以放它的儲存空間。
- 逐字稿預設留在你的帳號裡，好讓兩台裝置看到同一段歷史。把同步關掉之後，伺服器一筆都不會寫，不是寫了再刪。
- 辨識由 OpenAI 執行、潤稿由 Anthropic 執行，兩者都是受我們委託的處理者，送出去的資料不會被拿去訓練模型。
- 刪除帳號會立刻、不可回復地移除逐字稿、詞彙表、設定和裝置清單。
方案
免費那一欄是刻意的
免費
US$0
- 每週 5,000 字的整理後文字，每週一重置
- 辨識 gpt-4o-mini-transcribe，潤稿 Claude Haiku 4.5
- 詞彙表、兩台同步、其他功能，全部一樣
- 不用信用卡，也沒有期限
Pro
US$7.99／月
或年繳 US$59.99，等於每月 US$5.00
- 不限字數，只有一個遠高於人講話速度的合理使用上限
- 辨識 gpt-4o-transcribe，潤稿 Claude Sonnet 5
- 差別在長句、口音重、一句話裡中英來回切好幾次的時候
- 隨時取消，Pro 會留到你已經付過的那一期結束
升級在 App 裡：額度用完的那一刻，膠囊上會有一顆按鈕，或到設定裡的帳號那一頁。
FAQ
幾個該問的問題
沒有網路可以用嗎？
不行。辨識、用詞轉換和潤稿都在伺服器上，飛機上沒有降級路徑。這是刻意的取捨：一個辨識錯的詞當天改後端就好，不用等所有人更新 App。
會不會存我的錄音？
不會。它在一次請求的記憶體裡活著，文字回來就沒了，我們這邊也沒有一個可以放它的儲存空間。逐字稿是另一回事：預設留在帳號裡讓兩台裝置一致，可以關掉，也可以一鍵刪光。
哪些 App 可以用？
都可以。Shaberu 是把文字送進最前面那個 App，所以 Gmail、Slack、Notion、訊息、終端機、ChatGPT、LINE 都是同一件事。那裡有游標，文字就有地方落下。
為什麼需要輔助使用權限？
因為要在別的 App 前面偵測快捷鍵，並把文字送進那個 App，macOS 沒有別的辦法。到「系統設定 → 隱私權與安全性 → 輔助使用」打開，一次就好。
免費額度怎麼算？
算的是整理後的字數，不是音訊的分鐘數，所以停頓、講錯重來、麥克風沒收到聲音的那一次都不扣。中文按字、英文按詞；一分鐘的口述大約 200 個中文字或 150 個英文詞，所以 5,000 字大概是一週半小時。
寫出來的中文長什麼樣子？
就是你自己會打出來的那種：標點該有的都有，英文前後留一格，用詞是台灣這邊平常在講的說法。這是預設，不用進設定調。
Intel 的 Mac 可以嗎？
可以。這台機器上不跑模型，所以沒有 Apple 晶片的限制，條件就是 macOS 14 或以上，加上網路。
iPhone 版呢？
是一顆口述鍵盤：同一個帳號、同一份詞彙表、同一條管線，只是入口從修飾鍵換成地球鍵。即將上架 App Store。