Mac 上下文感知聽寫：應用程式如何知道你在哪裡輸入

假設你正在 Mail 裡寫一封回信，寫到一半。按住 ⌥Space，說上十秒，放開。整理好的句子直接落進郵件內文，而不是某個獨立的編輯器，也不是等著你手動搬過去的剪貼簿。

你從來沒說過這段文字該去哪裡。

多數語音工具處理目的地的方式正好相反。開口之前，它們先遞給你一個選擇器：原始模式、加標點模式、提示詞模式、聊天風格、郵件風格。由你宣告目的地，工具則相信你的宣告。TalkTalkType 沒有這樣的選擇器。它反過來，自己去讀目的地。它看你當時所在的應用程式、游標下的那個輸入欄，用一張固定的對應表把兩者分類，然後在你親自觸發的語音潤飾環節裡調整結果。

這篇文章要講的，是這套讀取如何運作、它改變了什麼，以及它在哪裡停下。

目的地在你按鍵的那一刻就被擷取

錄音從按鍵那一刻開始。就在這一瞬間，Mac 應用程式把聚焦的應用程式擷取為一個送達目標：處理程序 ID、bundle 識別碼，以及應用程式的本地化名稱。結果就緒後，送達會把文字原樣送回那個應用程式。

送達有兩條路徑。Paste 模式下，應用程式透過 macOS 輔助使用 API，把文字插入你當時所在的輸入欄，並先儲存剪貼簿、插入後再還原。Copy 模式下，結果只是留在剪貼簿上，等你手動貼上。無論哪種，目標都是你按鍵時正在用的那個應用程式，在你開口之前就已確定。

「按鍵時擷取」這個細節，正是整件事顯得自動的原因。如果應用程式等到文字就緒才去找目標，你也許已經切換了視窗，結果就會落到錯誤的地方。現在則是：你在哪個輸入欄開始，就在哪個輸入欄結束。這套送達的機制，以及背後的 macOS 權限，在 Mac 上可在任意應用程式中使用的聽寫 裡有詳細說明。

分類是查表，不是猜測

目標應用程式確定後，分類器要判斷你正面對的是哪一類輸入面。它不會去問語言模型。

第一步，用一張固定的前綴對應表，把 bundle 識別碼歸入應用程式族。Terminal、iTerm2、Warp、WezTerm、kitty 歸為終端機；VS Code、Xcode、JetBrains 系列、Sublime Text、Zed 歸為程式碼編輯器；Mail 與 Outlook 歸為郵件；Slack、Discord、LINE、Telegram 歸為聊天；TextEdit、Notes、Pages、Word、Obsidian 歸為文件；Safari、Chrome、Firefox、Arc 歸為瀏覽器。

第二步，用輸入欄的輔助使用 role 與 subrole 來細化輸入面。搜尋欄（AXSearchField）變成搜尋查詢。在 Mail 裡，文字區域變成郵件內文，文字欄位變成主旨。在聊天應用程式裡，文字區域或文字欄位變成聊天訊息。在文件應用程式裡，文字區域變成文件，文字欄位變成短輸入欄。在程式碼編輯器裡，文字區域變成程式碼編輯器輸入面。

這裡沒有推斷，只有一張表和幾次 role 檢查。好處是：每一次分類都帶一條可稽核的理由字串。Mail 內文會被分類為 app_family:email role:AXTextArea subrole:-。你能確切讀到應用程式為何得出這個結論，因為結論來自兩個可見的事實，而不是某個模型的信賴度。

當查表失敗時，它會朝安全的一側失敗。bundle 識別碼無法識別的應用程式，會被分類為 unknown，理由是 unknown_app。已知應用程式但 role 無法識別的輸入欄，同樣是 unknown，理由是 unknown_role。unknown 意味著應用程式不做任何特殊處理。這是安全的預設值：當 TalkTalkType 說不清一個輸入欄是什麼時，它寧可平實地對待你的話，也不去猜錯。

不同輸入面會改變什麼

輸入面的分類，決定了潤飾環節可以朝什麼去調整。對應關係如下。

有兩列值得單獨說明。瀏覽器那一列永遠是 unknown，這是刻意的。網頁想畫什麼輸入欄就畫什麼，而讓原生 Mail 或 Slack 輸入欄變得可讀的那些結構訊號，在瀏覽器分頁裡並不成立，所以 TalkTalkType 不會假裝去分類網頁輸入欄，而是放任不管。

程式碼編輯器與終端機那兩列，對技術詞元有一條具體保證。在這些輸入面上，說出口的檔名、路徑或斜線命令會被保留為一般文字，絕不會被當作某種確實存在、能夠解析或將會執行的東西。對終端機口述一條命令，得到的就是那串字面字串，僅此而已。

調整是潤飾環節，不是靜默改寫

這是最容易被誇大的部分，所以邊界很重要。

整理後的結果，首先以草稿形式出現在選單列 HUD 上。這第一次貼上就是忠實的 Clean 輸出。Clean 會保留你說過的每一個詞，按你說過的順序，保留你意圖中的語氣與簡潔。它只去掉毫不含糊的遲疑填充詞，把所有內容併成一行，絕不改寫、擴寫或潤飾。Raw 模式則完全跳過整理。你最先看到的，就是你說過的這些話。

感知上下文的調整發生在之後，也就是 Voice Patch 流程裡。從草稿出發，你可以在文字插入之前用語音下達一次潤飾，也可以原樣提交、複製或丟棄。當某次潤飾要求應用程式依輸入面調整時，給模型的指令字面上就是「僅依所提供的決定性桌面應用程式與輸入欄分類進行調整」。同一個流程會保留含義和每一條受保護的事實，只做必要的最小改動，並把收到的所有螢幕資訊當作資料，絕不當作指令。

也就是說，應用程式不會一看到 Mail，就把你的第一次貼上悄悄改寫成「郵件風」。它先給你一份忠實的草稿，而調整是你用語音主動要求的，並且以它已經偵測到的輸入面為依據。

這套設計回答的問題是：為什麼別的工具還在遞給你一個選擇器。TalkTalkType 的設定裡任何地方都沒有輸出模式的選擇。唯一的開關是 Clean 開或關——忠實的輕度整理，或者什麼都不做。一切跟目的地相關的處理，都來自讀取輸入欄，而不是來自一個由你維護的模式。這才是值得拿來評判它的強項：開口之前少設定一樣東西，而且沒有任何東西會被你設定錯。

你的上下文不是越過同意邊界，就是根本不發出

讀取輸入欄會引出一個顯而易見的問題：螢幕上其他一切資訊怎麼辦？

應用程式能夠組裝的上下文快照，包含應用程式身分、視窗標題、輸入欄結構（role、subrole、是否多行、是否為安全密碼欄）、游標緊前與緊後的文字、目前選取範圍、一張選用的活動視窗截圖、擷取時間戳記，以及權限狀態。涉及的面很廣，所以邊界由伺服器強制，而不是交給用戶端的自覺。

最重要的有兩條。第一，輸入欄的標籤與預留位置絕不發給 AI 供應方。這些字串是別的應用程式提供的任意文字，而分類只需要結構屬性，所以伺服器會直接拒絕任何含有標籤或預留位置的請求。第二，每一條上下文通道（文字上下文、截圖、偏好記憶）都處在一個由伺服器擁有的功能旗標之後。三者在生產環境預設開啟，並可依部署覆蓋。如果某條通道對某個請求未啟用，伺服器會拒絕該上下文，而不是悄悄剝離。被拒絕的請求會告訴用戶端：它的同意狀態已經過期——而悄悄剝離會把這一點藏起來。

完整的資料臺帳，說明 Mac、服務方與供應方各自保留什麼，在 Mac 上的隱私聽寫 裡。

偏好只在這臺 Mac 上、依應用程式學習

上下文的最後一塊是偏好記憶，它留在這臺 Mac 上。

偏好存放在一個本機 SQLite 資料庫裡，路徑是 ~/Library/Application Support/TalkTalkType/PreferenceMemory/preferences.sqlite，沒有雲端同步。儲存的鍵被刻意收得很窄：回覆語氣（簡潔、中性、正式、友善）、是否使用牛津逗號、0 到 2 的詳細程度，以及一份偏好術語清單。每條偏好的適用範圍是所有應用程式，或依 bundle 識別碼指定的某一個應用程式，而單一應用程式偏好優先於全域偏好。

這裡的一切，在被明確核准並啟用之前都不會使用。只有抽象後的值才會隨潤飾請求一起發出；原始語音、草稿文字、被否決的候選，絕不會寫入這個儲存區。如果你在某個應用程式裡反覆糾正它，它可能會提出一條偏好建議，但建議在你核准之前不會起任何作用。

它做不到什麼

誠實的局限是設計的一部分，不是註腳。

瀏覽器會被分類為 unknown，所以網頁表單沒有輸入面調整可言；應用程式不信任網頁輸入欄的結構。調整發生在語音潤飾流程中，而不是作為對第一次貼上的靜默改寫——第一次貼上依設計保持忠實。調整絕不會把你的話改寫到消失：含義和受保護的事實都會保留，改動只是滿足指令所需的最小幅度。

平臺僅限 Mac，並要求 macOS 26（Tahoe）或更高版本。轉錄在雲端執行，因此處理期間音訊會離開 Mac；服務方預設不儲存音訊或轉錄文字。辨識語言為日語與英語。「複製」「開啟 Safari」這類語音命令是同一思路的另一種表達：它們會作為針對所擷取應用程式的 Mac 操作來執行，而不是被當作文字輸入。

放回你自己的工作流裡判斷

這套設計的理由是：目的地是一個應用程式能讀取的事實，而不是一項需要你去維護的設定。模式選擇器把這份工作外包給了你，而選擇器是這樣一種承諾——你一旦忘了切換，工具就可以違背它。一張基於 bundle 識別碼與輸入欄 role 的對應表更枯燥，也更誠實：它精確地認識一小撮應用程式，並在不認識時坦然承認。

TalkTalkType 計量用量的單位是每週聽寫次數加一個每週語音時間池，而不是字數。截至 2026 年 7 月 30 日，各方案為：Free 0 美元（每週 30 次、15 分鐘），Plus 1 美元（80 次、30 分鐘），Pro 7 美元（500 次、250 分鐘，單次可達 2 分鐘），Max 18 美元（1,200 次、600 分鐘）。目前數字與方案供應情況見價格頁。

你可以下載 TalkTalkType，在自己真正使用的輸入欄上試試這套偵測。在 Mail 裡、在終端機裡、在網頁表單裡分別按住熱鍵，看結果落到哪裡，又對什麼刻意不碰。應用程式早已知道你在哪裡輸入。真正有意思的，是當它不知道時，它會多麼坦率地告訴你。