Ghost-pepper是一款macOS本地语音转文字工具，通过按住Control键录音，松开后自动转录并粘贴文本。它完全在本地运行，基于WhisperKit技术，并使用本地LLM进行文本清理优化。

Ghost Pepper：macOS本地语音转文字工具

项目简介
Ghost Pepper是一款专为macOS设计的纯本地语音转文字工具，用户按住Control键说话，松开后即可自动转录并粘贴文本。所有处理均在设备本地完成，无需依赖云端API，确保数据隐私安全。

核心功能
- 即按即说：通过Control键控制录音，释放后自动转录并粘贴。
- 完全本地化：基于WhisperKit和本地LLM模型处理，数据不离设备。
- 智能优化：本地大语言模型可删除冗余词（如"嗯"、"啊"）并修正口语化表达。
- 轻量后台：仅驻留菜单栏，无Dock图标，支持开机自启。
- 高度可定制：可调整清理提示词、选择麦克风或开关功能模块。

技术架构
1. 语音模型
- 默认使用Whisper small.en（466MB，英语专用，精度最佳）
- 支持多语言模型（如Parakeet v3，1.4GB）
2. 文本优化模型
- 默认Qwen 3.5 0.8B（535MB，响应速度1-2秒）
- 可选更高精度模型（如4B版本，处理需5-7秒）
技术依赖：WhisperKit（语音）、LLM.swift（文本优化）、Hugging Face（模型托管）

使用指南
1. 下载最新DMG安装包
2. 授予麦克风与辅助功能权限
3. 按住Control键开始录音

企业部署
对于受管理的设备，IT管理员可通过MDM配置预授权：
- Bundle ID: com.github.matthartman.ghostpepper
- 权限类型: 辅助功能（com.apple.security.accessibility）

项目优势
- 隐私保护：所有处理均在本地完成
- 开源免费：MIT许可，对比同类商业化产品（如已融资8000万美元的竞品）
- 轻量化：基础模型仅需75MB存储空间

系统要求
- macOS 14.0+
- Apple Silicon芯片（M1及以上）

数据统计：截至2026年4月，项目获345星标，19个分叉，4位主要贡献者。

（注：原文中GitHub导航菜单、企业解决方案等无关内容已精简，保留核心功能说明和技术细节）

以下是评论内容的总结：

1. 与其他类似工具的比较

   • 用户询问与Hex、Handy、faster-whisper等工具的比较。
   • 引用："what are your thoughts on how they compare?" (评论1)
   • 引用："Do you know how it compares to Handy?" (评论4)

2. 性能与准确性

   • Parakeet被认为比Whisper更快、更准确，但需语言支持。
   • 引用："Parakeet is significantly more accurate and faster than Whisper" (评论2)
   • 引用："I've been using parakeet v3 which is fantastic (and tiny)" (评论9)

3. 本地化与隐私

   • 用户赞赏本地化速度和隐私保护，但也有对macOS内置功能的质疑。
   • 引用："I appreciate the emphasis on local speed and privacy" (评论1)
   • 引用："how does this compare to macos built in siri TTS, in quality and in privacy?" (评论10)

4. 功能需求与改进建议

   • 用户希望支持视频转录、实时输入、多平台支持等。
   • 引用："let me play a speech video and transcribe it for me" (评论6)
   • 引用："when windows? why can you just make things multios" (评论16)

5. 技术实现与模型选择

   • 讨论是否需大型模型，以及Whisper的更新情况。
   • 引用："Larger local models generally shouldn't require a subordinate model for clean up" (评论3)
   • 引用："Are these the same old OpenAI whispers or have they been updated heavily?" (评论9)

6. 个性化与定制化

   • 用户希望模型能根据个人语音和术语定制。
   • 引用："the killer feature to me will be one that fine tunes the model based on your own voice" (评论12)

7. 使用体验与问题反馈

   • 部分用户遇到麦克风权限问题，也有用户分享高效使用技巧。
   • 引用："There is no popup asking for microphone permission" (评论8)
   • 引用："I've been doing a lot of 'coding' by tapping a button on my Stream Deck" (评论13)

8. 资源与工具推荐

   • 用户分享其他工具和资源，如hyprwhspr、yap等。
   • 引用："For Linux folks, I developed hyprwhspr" (评论3)
   • 引用："you can also use yap dictate" (评论5)

总结：评论主要围绕工具比较、性能、隐私、功能需求和技术实现展开，同时包含使用体验反馈和资源推荐。