本文介绍 claude-speak：一个让你可以对着 Claude Code 说话的工具。

---

起因：手速跟不上脑速

用 Claude Code 写代码的时候，你有没有遇到过这种情况：

脑子里已经想好了一大段需求，手还在慢慢敲，等打完字，思路已经凉了一半。

或者更惨——刚想到一个绝妙的 prompt，结果打字打到一半，忘了后半句。

如果你认同"说话比打字快"这个朴素真理，那 claude-speak 是为你准备的。

---

它是什么

claude-speak 是一个本地语音输入工具，专为 Claude Code 设计。

按住按键 → 说话 → 松开 → 文字自动出现在输入框。

就这么简单。没有云端，没有 API Key，没有月费，没有隐私顾虑。语音在你自己的电脑上转写，完事。

底层用的是 faster-whisper，OpenAI Whisper 的本地优化版本，中文识别尤其好用。

---

它能干什么

能干的事：

• 口述需求，直接变成 prompt 发给 Claude

• 说中文，也能识别（而且识别得不错）

• 解放双手，适合边思考边说的工作方式

• 完全离线，敏感项目也放心用

干不了的事：

• 替你想清楚要说什么（这个还得靠你自己）

• 在嘈杂的咖啡馆里准确识别你的声音（建议用耳机）

• 让旁边的同事不对你投来奇怪的眼神

---

安装

第一步：下载项目

从 GitHub 下载或克隆本仓库到本地。

第二步：一键安装

Windows（推荐以管理员身份运行）：

install.bat

macOS / Linux：

chmod +x install.sh && ./install.sh

安装脚本会自动完成三件事：

1. 安装 Python 依赖（faster-whisper、sounddevice 等）

2. 把 speak.py 复制到 ~/.claude/scripts/

3. 把 SKILL.md 复制到 ~/.claude/skills/speak/（让 Claude Code 认识这个技能）

第三步：运行

打开一个新终端（不要关掉 Claude Code），运行：

# Windows（用绝对路径更稳）
python C:\Users\你的用户名\.claude\scripts\speak.py --model small --lang zh --key caps_lock
​
# macOS / Linux
python ~/.claude/scripts/speak.py --model small --lang zh --key caps_lock

第一次运行会自动下载 Whisper 模型（small 模型约 500 MB），下载一次，永久可用。

macOS 用户：系统会弹窗要求辅助功能权限，点允许即可。路径在：系统设置 → 隐私与安全性 → 辅助功能。

---

使用方法

1. 保持 speak 终端在后台运行

2. 点击 Claude Code 的输入框，确保光标在里面

3. 按住 Caps Lock（或你设定的触发键）

4. 说话，看到 🔴 录音中...

5. 松开按键，等待 🔄 转写中...

6. ✅ 文字自动出现在输入框，回车发送即可

如果自动粘贴没生效，文字也会同时打印在 speak 终端里，手动复制就行。

---

参数调整

参数	推荐值	说明
--model	small	中文识别准确度最佳；base 速度更快但稍差
--lang	zh	指定中文，避免被识别成奇怪的语言
--key	caps_lock	推荐，不容易误触，也不影响其他快捷键

其他可用触发键：right_alt、f9、space（space 慎用，会疯狂触发）。

---

与 Claude Code 的深度集成

安装完成后，在 Claude Code 里输入 /speak，Claude 会自动加载语音技能，给你提供：

• 当前环境的安装指引

• 故障排除建议

• 参数推荐

也就是说，你可以问 Claude"我的语音输入怎么不好用"，然后它真的知道你在说什么，并且能帮你排查。这个闭环还挺有意思的。

---

常见问题

按键完全没反应？ Windows 请以管理员身份运行终端。keyboard 库需要高权限才能监听全局热键。

Ctrl+C 停不掉？ 确保用的是最新版 speak.py（v2 已修复这个问题）。

识别出来的中文很奇怪？ 加上 --lang zh --model small，别让模型自己猜语言。

强制关掉窗口后，PowerShell 快捷键全乱了？ 同样是 v2 修复的问题。如果已经乱了，重启终端即可恢复。

说话没被识别到，显示"Silence detected"？ 检查系统麦克风权限，或者离麦克风近一点说。

---

工作原理（给好奇的人）

你说话
  ↓
sounddevice 通过系统麦克风录音（16 kHz 单声道）
  ↓
faster-whisper 在本地 CPU 上运行 Whisper 模型转写
  ↓
文字写入剪贴板
  ↓
模拟 Ctrl+V 粘贴到当前焦点窗口
  ↓
你看到文字出现在 Claude Code 输入框

全程在本地完成，网络只在首次下载模型时用一次。

---

结语

说到底，这个工具解决的是一个很具体的问题：降低"想到"和"说出来"之间的摩擦。

打字慢不是你的错，是键盘的局限。现在你有了别的选择。

装上试试，也许你会发现，和 AI 对话，说话比打字更自然。

代码仓库：AI_Skills/claude-speak 

开源免费，无须其他key，本地运行

效果图：