--- title: "SpeakIn 完整使用指南，从零配置豆包语音识别到高阶优化" url: "https://afengblog.com/blog/speakin-settings-guide.html" author: "AFeng" published: "2026-04-09T08:01:32.346Z" category: "工具与效率" reading_time: "8 分钟阅读" description: "本文系统介绍 Windows 语音输入工具 SpeakIn 的完整用法，涵盖火山引擎豆包语音识别配置、阿里云百炼与千问接入，以及热键、输出方式、AI 优化等进阶设置，帮助你显著提升输入效率" --- # SpeakIn 完整使用指南，从零配置豆包语音识别到高阶优化 > SpeakIn 是一款面向超级个体和开发者的 Windows 桌面语音输入工具。本文将带你从零开始配置火山引擎（豆包）语音识别，并详细解析软件的各项进阶设置与 AI 优化玩法，让你的输入效率直接翻倍。 ## TL;DR（太长不看） - SpeakIn把Windows语音输入做成系统级工具，热键即说即写，适合高频向AI输出，效率和手感都明显强于打字。推荐优先接火山豆包，速度准度和免费额度最划算；再配合AI二次优化、文本替换和系统声音转写，基本能覆盖写作、开发和内容整理全流程。 SpeakIn 是一款专为 Windows 设计的桌面语音输入工具 按下全局热键直接说话，语音在后台实时转为文字，自动输入到当前光标所在的窗口 全程无需切换窗口，不打断工作流 如果你每天需要向 Claude、ChatGPT、Cursor 等 AI 输出大量文字 比如写需求描述、架构设计、Bug 分析或产品想法 打字很容易成为效率瓶颈，而且让人疲劳 SpeakIn 解决了这个问题 - 速度极快，语音输入可达 300+ 字每分钟，是打字的 4-5 倍 - 心流体验，说话比打字自然，像产品经理一样直接对 AI 下达指令，不需要逐字敲击 - 保护健康，减少键盘敲击，保护腱鞘和颈椎 - 成本极低，利用大厂免费的 ASR 额度，日常使用几乎零成本 --- ## 核心功能速览 1. 多供应商支持，原生支持火山引擎豆包（推荐）、阿里云百炼、千问等语音识别大模型 2. AI 二次优化，接入任何兼容 OpenAI 格式的大模型，把口语化文字自动润色、翻译、纠错或格式化 3. 双音频源，既支持麦克风输入，也支持录制系统正在播放的声音 4. 智能静音与过滤，过滤环境噪音，连续静音 6 秒自动停止，30 秒无声音自动取消 5. 系统级悬浮窗，桌面底部半透明浮层，实时显示转写状态，不遮挡主界面 --- ## 语音识别服务商配置 初次安装进入软件后，点击右上角设置，在「识别」选项中配置 ASR 服务商 软件默认首推火山引擎豆包，同时支持阿里云百炼和千问大模型 下面是免费凭证获取和配置流程 ### 方案一 火山引擎豆包配置指南（默认推荐） 它的识别速度和准确率目前体验最好，你需要一个火山引擎账号来获取免费的 API 凭证 #### 1. 注册并实名认证 前往 [火山引擎官网](https://www.volcengine.com/) 注册账号，完成实名认证 必须认证才能领取免费试用额度 #### 2. 创建应用并选择能力 1. 打开 [火山引擎语音控制台](https://console.volcengine.com/speech/app) 并登录 2. 点击页面上的「创建应用」 3. 应用名称和简介随便填，比如填 SpeakIn 4. 重点来了，在接入能力列表里，必须勾选下面两项 - 豆包流式语音识别模型2.0 小时版 - 豆包录音文件识别模型2.0 标准版 ![](https://afengblog.com/uploads/2026/04/3763bdf68bcb65ac8e0f9a88.png) 5. 点击创建 #### 3. 获取并填写凭证 1. 应用创建成功后，进入[应用详情页](https://console.volcengine.com/speech/service/10038)，或者在左侧导航栏点击刚开通的豆包流式语音模型 2. 找到并复制 APP ID 和 Access Token ![](https://afengblog.com/uploads/2026/04/6cd1a5f7b27f85a085aaaa02.png) 3. 回到 SpeakIn 软件的设置页 -> 识别 -> 豆包配置区，把这两个值粘贴进去 4. 点击底部的保存设置 ![](https://afengblog.com/uploads/2026/04/40d2b22386f7da940d0ac186.png) 新用户首次开通火山语音服务都会赠送免费额度，每个应用 20 个小时 用完可以重新创建应用，会再赠送 20 个小时 ### 方案二 阿里云百炼千问配置指南 如果你想用阿里云的服务，在 SpeakIn 中可以无缝切换 阿里云语音服务目前分「百炼 DashScope」和「千问 Qwen」两条线 但在 SpeakIn 中它们共用同一个阿里云账号和 API Key，操作逻辑完全一样 #### 1. 获取 API Key 1. 访问登录 [阿里云百炼 API Key 管理控制台](https://bailian.console.aliyun.com/cn-beijing?tab=model#/api-key) 2. 点击右上角的「创建 API Key」按钮 3. 复制生成好的 API Key ![](https://afengblog.com/uploads/2026/04/ad95b91bc86e668f181f737b.png) #### 2. 在软件中填写凭证 1. 回到 SpeakIn 设置页 -> 识别，把 ASR 服务商切成 百炼 Paraformer 或 千问 Qwen3 ASR 2. 将复制好的 API Key 粘贴进对应的输入框 3. 点击底部保存设置 ![](https://afengblog.com/uploads/2026/04/04298a5116754aa54939ccf3.png) **💡 附 百炼与千问的区别** 在软件中填写相同 API Key 就能用这两个，但它们底层能力和侧重点不同 * **百炼 DashScope** 阿里云传统的语音识别服务，内置 Paraformer Gummy 等模型，采用二进制直接发送的流式协议，延迟极低，带宽开销极小，适合日常快节奏高频使用 * **千问 Qwen** 基于千问大模型的新一代 ASR，走 OpenAI 兼容协议，多语种能力极强，支持 30 多种语言及方言识别，自带情感感知，是大模型路线的未来方向 日常中文语音输入用百炼足够轻巧高效 如果对多语种或方言有更强需求，可以切千问试试 --- ## 软件进阶设置指南 SpeakIn 有非常丰富的自定义能力 除了刚配好的语音识别，设置面板中还有下面这些核心功能 ### 1. 识别设置 * **音频来源** 支持麦克风和系统声音，系统声音主要用来提取正在播放的视频或播客的文字 * **热键与模式** 默认快捷键 `Ctrl+Shift+V`，支持「切换模式」按一次开始再按一次停止，或「按住模式」按住说话松手停止 * **输出方式** * 模拟键入（默认），像真实键盘一样逐字打出，兼容性最强，适用于所有编辑器和网页 * 粘贴输入，速度最快，利用剪贴板直接 `Ctrl+V`，适合需要保留多行格式场景 * 仅显示，只在 SpeakIn 悬浮窗显示文字，不输出到其他软件 * **文本替换** 可以自定义替换规则来修正 ASR 常见误识别，留空表示直接删除该词，规则即时保存，按“原文更长优先”执行防误伤 ### 2. AI 优化与供应商 SpeakIn 不仅能把声音转成文字，还能直接把文字洗成你想要的格式 * **供应商管理** 在「供应商」标签页中可以添加任意支持 OpenAI 格式或 Gemini 协议的 API，比如 DeepSeek、Claude、GPT-4，API Key 保存在系统原生安全密钥链中，极其安全 * **开启 AI 优化** 回到「AI 优化」标签页开启该功能，选择配好的大模型并挑一个提示词，每次语音识别完毕，软件会在后台自动调取大模型做二次处理，再将优化后的结果输出到屏幕上 ### 3. 提示词库 软件内置了超过 20 款实用 Prompt，分为几个大类 * **润色** 把随意口水话转成正式书面语 * **AI 对话** 把口述转为清晰的 Prompt 结构、Bug 描述或需求文档 * **开发者专属** 自动格式化 Git Commit Message、代码注释或 PR 描述 * **翻译** 识别中文，直接输出对应的英文繁体中文 你可以根据需要自由新建和编辑提示词，只要模板中包含 `{{text}}` 占位符就行 ### 4. 统计与隐私 * 软件内置数据看板，记录录音时长、输入字数以及为你节省的时间，按手打 50 字每分钟估算 * 绝对隐私，SpeakIn 不收集不存储不上传任何用户数据，录音和文字仅在本地处理，直接发给你自己配置的 ASR 和大模型厂商 --- 想探索更多高阶用法，或者不想自己写 AI 优化提示词，可以直接访问本站整理的 [提示词库](https://afengblog.com/prompts) 里面收集了大量现成好用的 Prompt，欢迎直接复制使用 --- 原文：https://afengblog.com/blog/speakin-settings-guide.html 其他页面同样支持在 URL 后追加 `.md` 获取 Markdown，站点索引见 https://afengblog.com/llms.txt