OpenLess Unbound 實測：Typeless 免費開源替代方案，補上繁中本地化與 Provider 自由度
前一篇文章我才剛分享過 Codex 全域語音輸入實測。那篇文章的重點其實很簡單：語音輸入工具要真的好用，除了模型聽不聽得懂，還要看它能不能出現在我真正需要打字的地方。
因為我平常不會只在 ChatGPT 網頁裡講話。我可能在寫部落格、回訊息、整理筆記、填表單、寫 GitHub issue，甚至是在跟不同 AI 工具互動。這時候，如果語音輸入只能卡在某一個平台裡，其實就很可惜。
過去我也陸續實測過 Wispr Flow、Typeless、Handy、Vibing 這些工具。老實說，如果只看整體功能完整度、回應速度、輸出品質和使用體驗，目前我覺得商用工具裡面最成熟的仍然是 Typeless。
Typeless 讓我最有感的地方，是它已經超過「語音轉文字」的範圍。它比較像是一個語音寫作工作站。你可以講一段比較口語的內容，讓它幫你整理成比較像人會貼出去的文字。它也有語音編輯、即時翻譯、即時搜尋和更完整的工作流。
不過 Typeless 畢竟是商用軟體。它很好用，但不是每個人都想訂閱，也不是每個人都想被綁在同一個平台或額度裡。
所以我後來一直在找一個問題的答案：
有沒有一套免費、開源，而且使用體驗能接近 Typeless 的替代方案？
目前我實測下來，OpenLess 是我看到最接近這個方向的專案。而這次我花了一段時間研究原始碼、測試、修改、打包並公開的 OpenLess Unbound，就是基於 OpenLess 做的一個 fork，重點是修改了幾個我實際使用時想解放的限制。
OpenLess 為什麼值得注意？
OpenLess 本身不是我從零開始寫的軟體。它是由原開發者維護的一套開源語音輸入工具。原版 OpenLess 已經把很多重要功能做出來了，這點我覺得非常值得肯定。
如果用白話講，OpenLess 的基本流程是這樣：
- 按快捷鍵開始錄音。
- ASR 模型把語音轉成文字。
- LLM 語言模型再幫你做文字後處理。
- 最後把整理好的文字插入到目前游標所在位置。
這個流程用講的聽起來都很簡單，但真正要做得順並不容易，背後需要很多程式腳本上的同步運作。
因為一般語音轉文字工具常常只給你一段原始逐字稿。問題是我們平常講話不會像寫文章一樣完整。我們會停頓、重複、改口、漏標點，講到一半又補一句。這些內容如果直接貼出去，常常還要自己再手動整理潤色一次。
OpenLess 比較接近 Typeless 的地方，是它會在轉文字之後，再交給 LLM 做 AI 後修飾。這樣就可以把一段口語內容整理成比較像正式文字的結果，例如有標點、有分段、有條列，甚至可以依照不同風格改寫。
四種輸出風格，讓語音輸入更像寫作工具
OpenLess 原本就內建幾種輸出風格，這點我覺得是它很接近 Typeless 的原因之一。
目前常用的風格包含：
- 原文
- 輕度潤色
- 清晰結構
- 正式表達
這幾個風格不是單純改幾個字而已，背後其實就是不同的 prompt 設計。
舉例來說，如果我只是要快速回訊息，可能用「輕度潤色」就好。它不要幫我改太多，只要把語氣整理得順一點。
如果我是要口述一段文章大綱，那我可能會用「清晰結構」。這樣它會比較願意幫我分段、列點，把原本比較散的口語整理成可以繼續編輯的內容。
如果是要寫比較正式的信件或文件，就可以改用「正式表達」。
所以這幾個風格的價值，在於它已經把「語音輸入」往「語音寫作」推進一步。
即時翻譯與劃詞追問，讓它更像 AI 助理入口
OpenLess 另一個我覺得很有潛力的地方，是它也不侷限於一般語音輸入。
它也有即時翻譯和劃詞追問。
即時翻譯的使用方式不複雜。你可以先設定工作語言和目標語言，錄音時透過快捷鍵觸發翻譯，最後把翻譯結果插入目前的文字框。對需要回英文訊息、整理英文筆記，或把中文想法快速轉成英文的人來說，這個功能很實用。
劃詞追問則更像是一個小型 AI 助理。你可以在任何 app 裡選取一段文字，叫出浮窗後直接針對這段文字提問。這個方向很像 Typeless 後來強化的路線：讓語音從輸入工具，延伸成操作 AI 的入口。
當然，這裡也要先講清楚：OpenLess 的劃詞追問目前沒有調用外部 tool 或瀏覽器搜尋的流程。換句話說，它不會真的幫你即時上網查匯率、天氣或新聞。它比較適合針對你已經選取的文字做解釋、整理、改寫與延伸提問。
但即使如此，對於整理一段文字、解釋一段內容、幫忙改寫或延伸問題，這個功能已經很有價值。
BYOK：自帶 API Key 的彈性
OpenLess 對我來說還有一個很重要的優點，就是它走 BYOK，也就是 Bring Your Own Key。
講白話就是，你可以接自己的 API。
這點對一般使用者不一定馬上有感，但對我這種平常會測很多模型、很多 provider 的人來說，差很多。
商用工具的好處是開箱即用，但限制也在這裡。它的模型、額度、路由、功能怎麼開，很多時候都要看官方安排。
BYOK 的好處是，我可以自己決定要用哪個 ASR 模型做語音轉寫，也可以自己決定要用哪個 LLM 做後處理。速度、品質、成本可以分開考量。
例如日常語音輸入，我可能比較重視速度和低延遲。可是劃詞追問，我可能比較重視回答品質和推理能力。這兩個需求其實不一定要用同一個模型。
這也是後來我會做 OpenLess Unbound 的原因之一。
原版 OpenLess 我實際遇到的限制
OpenLess 原版已經很不錯，但我實際安裝使用後，遇到幾個對我來說蠻關鍵的限制。
第一個是劃詞追問。
我原本想測這個功能，但它當時跳出缺少火山 ASR 憑證的錯誤。問題是，我平常並沒有使用火山 ASR。我比較常用的是 Groq Whisper、OpenAI-compatible endpoint，或是透過 Codex OAuth 走不同模型。
火山 ASR 本身不是不能用。官方也有 語音識別 ASR 產品頁 和 帳號註冊流程文件。不過官方註冊流程需要手機號碼接收簡訊驗證，後續若要進一步體驗或購買雲服務，還需要完成帳號實名認證。對沒有中國大陸手機號碼、也沒有對應實名資料的台灣使用者來說，這個門檻就不太適合被設計成預設依賴。
這就有點可惜。
因為一般語音輸入明明已經可以設定其他 provider，可是劃詞追問如果還卡在特定 ASR provider，那對非中國大陸服務使用者來說，就會變成一個很大的門檻。
第二個是劃詞追問的回答模型。
我實際使用後覺得，一般潤色模型和劃詞追問模型最好可以分開。原因很簡單：它們的任務不一樣。
一般語音輸入常常只是把我講的口語內容變成順一點的文字。這時候我希望速度快、延遲低、不要太貴。
但劃詞追問比較像問答與推理。它可能要理解我選取的文字，還要接著我的問題做整理、解釋、延伸。這時候我反而願意用品質比較好的模型。
第三個是 Windows 繁體中文輸入法問題。
原版 OpenLess 安裝後，Windows 會多一個 OpenLess Voice Input 輸入法。但我當時看到它被放在「簡體中文（中國）」底下。對台灣使用者來說，這件事很容易干擾平常使用繁體中文注音輸入的習慣。
尤其我平常會用 Shift 在英文與繁中注音之間切換。如果語音輸入後系統被帶到簡中輸入法，那日常使用會很卡。
這裡牽涉到 Windows TSF 輸入法 profile 註冊語系，已經超過單純介面翻譯的範圍。
所以我做了 OpenLess Unbound
OpenLess Unbound 是我基於 OpenLess 做的 fork。
我沒有想把它包裝成完全不同的軟體。它的基礎仍然是 OpenLess，也保留原開發者資訊與上游來源。這點很重要，因為原專案已經完成很多底層工作，包含跨平台介面、錄音流程、ASR、LLM 後處理、快捷鍵與 Windows 插入後端。
OpenLess Unbound 的重點，是針對我實際使用遇到的限制做補強。
這次主要改了幾個方向：
- 劃詞追問不再強制依賴火山 ASR。
- 劃詞追問回答模型可以獨立設定。
- Windows TSF 輸入法 profile 改為繁體中文台灣。
- App identity 改成 OpenLess Unbound，資料夾也獨立。
- 劃詞追問回答可以選取局部文字複製，也可以一鍵複製整則回答。
- 同步部分上游 OpenLess 1.3.6 beta 改善。
GitHub 專案位置在這裡：
https://github.com/taoyutsun/openless-unbound
目前 release 版本可從這裡下載：
Unbound 解決了哪些核心限制？
第一個是劃詞追問 ASR。
OpenLess Unbound 讓劃詞追問可以跟隨目前已設定的 ASR provider。也就是說，如果你平常語音轉寫用的是 Groq Whisper 或其他 OpenAI-compatible endpoint，就不用為了劃詞追問另外去申請火山 ASR。
第二個是劃詞追問的回答模型。
現在你可以讓劃詞追問沿用一般潤色模型，也可以獨立指定 provider、model 與 thinking 設定。這樣就能把速度型模型和品質型模型分工。
第三個是繁體中文 Windows 輸入體驗。
OpenLess Unbound 把 Windows TSF profile 註冊為繁體中文台灣，目標是避免語音輸入後被切到簡體中文輸入法。對我這種平常使用繁中注音的人來說，這個修正非常實際。
第四個是劃詞追問回答可以直接拿來用。
原本問答結果如果只能看，實用性會差一點。OpenLess Unbound 的回答氣泡支援手動選取局部文字，右上角也有複製按鈕，可以一鍵複製整則 assistant 回答。這樣問完之後，如果某一段可以直接放進文章、訊息或筆記，就不用重新打字。
第五個是資料與 app 身分獨立。
OpenLess Unbound 使用自己的 app identity 與資料目錄，預設資料位置是：
%APPDATA%\OpenLess Unbound這樣就可以跟官方 OpenLess 分開獨立測試使用，不會直接覆蓋原版設定。
這次同步了哪些上游改善？
OpenLess Unbound 目前的版本是 v1.3.6-1。
這版除了保留前面提到的 fork 改動，也同步了部分上游 OpenLess 1.3.6 beta 的改善。
比較有感的包括：
- 本地 ASR 模型儲存管理。
- 多螢幕環境下，膠囊提示會跟隨目前輸入所在螢幕。
- Toggle 錄音結束後加入短暫冷卻，降低誤觸後馬上重新錄音的機率。
- 支援 MediaPlayPause 熱鍵觸發。
- Groq / OpenAI Whisper 使用 verbose JSON 過濾，降低靜音或極短音訊被誤判成文字的機率。
最後這一點我自己測試時有感。因為如果錄音太短，有些 Whisper provider 可能會把無聲音或雜訊誤判成像 Thank you. 這類文字。過濾後，這種情況會比較少。
我的個人參考配置
這裡先說清楚，下面只是我的個人配置，不是唯一正解。
我目前會把 OpenLess Unbound 分成三段來設定：
第一段是 ASR 語音轉寫。
我用的是 Groq 的 Whisper large v3。主要原因是速度飛快、延遲低，適合日常即時輸入。語音輸入最怕的是整個節奏被打斷。只要你講完後要等太久，這個工具就很難變成日常習慣。
第二段是一般文字潤色後處理。
我用 Groq 的 openai/gpt-oss-120b。這個模型的優點是回應速度飛快，拿來做一般口語整理很適合。日常輸入通常不需要每一句都用最高品質模型，只要它能把我的口語整理成有標點、有段落、語氣自然的文字，就已經很夠用。
第三段是劃詞追問。
這部分我會用 Codex OAuth 的 GPT-5.5。原因是劃詞追問比較像問答和推理，已經超過文字修飾的範圍。它需要理解選取內容，還要根據我的問題做整理、解釋或延伸。這時候我比較願意用品質更高的模型。
所以我的邏輯很簡單：
- 語音轉寫要快。
- 一般潤色要順。
- 劃詞追問要準。
三個任務不同，就不需要硬綁同一個 provider。
如何安裝 OpenLess Unbound？
安裝方式很簡單。
到 GitHub Releases 頁面下載最新版本：
https://github.com/taoyutsun/openless-unbound/releases
Windows 使用者會看到兩種主要檔案：
OpenLess_Unbound_<version>_x64.msiOpenLess_Unbound_<version>_x64_portable.zip
如果你是要長期日常使用，我會建議優先用 MSI 安裝版。原因是 OpenLess Unbound 有 Windows 輸入法後端，需要透過安裝流程註冊到系統裡。
Portable zip 比較適合短期測試或臨時使用。它不一定能提供跟 MSI 完全一樣的系統層整合體驗。
另外也要提醒，目前這個 build 還沒有 Windows code signing 簽章，所以第一次執行時，Windows 可能會跳出 SmartScreen 或未知發行者提醒。這不代表它一定有病毒，而是 Windows 對未簽章、下載量還不高的新執行檔比較保守。
如果你是公司電腦，或 IT 管控比較嚴格的環境，建議先確認公司政策再安裝。
第一次使用要設定哪些地方？
安裝後，第一個要看的地方是「設定 → 服務」。
這裡主要有兩類設定。
第一類是 ASR，也就是語音轉文字。
你可以依照自己習慣選擇 Groq Whisper、OpenAI Whisper-compatible endpoint、Foundry Local Whisper、Sherpa-ONNX local，或其他支援 provider。
第二類是 LLM，也就是文字潤色、翻譯和問答用的語言模型。
這裡可以設定 Codex OAuth、Groq、OpenAI、Gemini、OpenRouter，或自訂 OpenAI-compatible endpoint。
設定完 provider 後，建議先做一次連線驗證，確認 API key、Base URL 和 model name 都能正常使用。
如果你還不知道可以去哪裡找免費或高 CP 值的 provider，也可以參考我之前整理的這篇文章：想玩 AI Agent 自動化卻怕太花錢？9 個免費與高 CP 值雲端 API 來源一次整理。裡面有一些可以拿來搭配 BYOK 工具測試的 API 來源。
一般語音輸入怎麼用？
一般語音輸入的流程是：
- 把游標放到你想輸入文字的地方。
- 按 Right Ctrl 開始錄音。
- 再按 Right Ctrl 停止錄音。
- OpenLess Unbound 會先做 ASR 轉寫。
- 接著交給 LLM 依照目前風格做後處理。
- 最後把文字插入目前游標位置。
這裡有一個小地方要注意，就是錄音模式。
如果你設定的是「按住說話」，那 Right Ctrl 要按住不放，講完再放開。如果只是快速點一下，音訊太短，可能會顯示「沒有識別到語音」。
如果你比較習慣按一下開始、再按一下停止，可以改成 Toggle 模式。這比較適合長段口述。
詞彙表：讓工具更懂你的專有名詞
我自己很建議使用詞彙表。
因為語音輸入最常出錯的地方，通常集中在專有名詞，而不是一般生活用語。
例如：
- Codex
- Claude Code
- OpenClaw
- Typeless
- Wispr Flow
- 公司名、人名、產品名
- 專案名稱、客戶名稱、藥品名稱、品牌名稱
- 常見中英混合詞或縮寫
這些字如果沒有先放進詞彙表，ASR 或 LLM 很可能會聽錯誤判。OpenLess Unbound 可以把啟用的詞彙送進 ASR prompt 或 LLM prompt，讓辨識和後處理更容易命中。
即時翻譯怎麼用？
即時翻譯的操作大概是這樣：
- 到「翻譯」頁面選擇工作語言與目標語言。
- 用 Right Ctrl 開始錄音。
- 錄音中按一下 Shift 觸發翻譯。
- 再按 Right Ctrl 停止錄音。
- 翻譯結果會插入目前游標位置。
如果目標語言設定為不啟用，Shift 就不會觸發翻譯。
這個功能適合需要快速把中文想法轉成英文訊息的人。像我有時候要先用中文把想法講清楚，再讓 AI 幫我轉成英文，這種流程就蠻順。
劃詞追問怎麼用？
劃詞追問的流程是：
- 按
Ctrl+Shift+;開啟浮窗。 - 在任意 app 裡選取一段文字。
- 按 Right Ctrl 開始錄音提問。
- 再按 Right Ctrl 停止並送出。
- 可以繼續多輪追問。
- 按 Esc 關閉浮窗。
OpenLess Unbound 這裡與原版最大的差異，就是你可以讓劃詞追問使用獨立模型。
例如你平常語音輸入用 Groq 做快速潤色，但劃詞追問改用 Codex OAuth GPT-5.5。這樣就可以兼顧速度和回答品質。
另一個亮點就是問答結果也可以直接複製使用。你可以在回答氣泡裡手動選取其中一段文字，也可以按回答旁邊的複製按鈕，把整則回答複製到剪貼簿。
不過還是要再提醒一次：目前劃詞追問本身不內建即時上網搜尋，也沒有調用外部 tool 的流程。它可以整理你選取的文字，但不會真的即時查詢最新匯率、天氣或新聞。
OpenLess Unbound 適合誰？
我會覺得它適合幾種人。
第一種，是想找 Typeless 免費開源替代方案的人。
如果你已經認同 Typeless 那種「語音輸入 + AI 後處理 + 快捷鍵 + 跨 app」的方向，但暫時不想使用商用訂閱，OpenLess Unbound 可以試試看。
第二種，是已經有自己的 API key 或 OpenAI-compatible endpoint 的人。
這類使用者本來就會希望模型可以自由選，不想被單一平台綁死。
第三種，是 Windows 繁體中文使用者。
如果你平常使用繁中注音，而且不希望語音輸入後系統跳到簡體中文輸入法，那 OpenLess Unbound 的 TSF profile 修正會比較貼近你的使用情境。
第四種，是想把語音輸入放進日常 workflow 的人。
例如寫文章、回訊息、整理筆記、下 prompt、跟 AI agent 溝通。只要你常常需要輸入文字，這類工具就有機會幫你省很多力氣。
它目前不適合誰？
當然，這也不是每個人都適合。
如果你完全不想處理 API key，不想設定 provider，只想下載後馬上用，那商用工具還是比較省事。
如果你在公司電腦上不能安裝未簽章程式，或 IT 政策很嚴格，那也要先確認環境允不允許。
如果你非常需要內建即時搜尋、語音編輯、跨平台同步、客服支援和完整商用品質保證，那 Typeless 目前還是比較成熟。
OpenLess Unbound 比較像是給願意自己設定 provider、也願意接受開源工具仍在快速演進中的使用者。
小結：這是一個更自由，也更貼近繁中使用者的版本
我自己的感覺是，Typeless 目前仍然是整體體驗最完整的商用語音輸入工具。
但如果你想找免費開源替代方案，OpenLess 是目前很值得看的選擇。而 OpenLess Unbound 則是在這個基礎上，再把幾個我實際遇到的限制補起來。
它真正有感的地方，是這三件事：
- 劃詞追問不再卡特定 ASR provider。
- 一般潤色和劃詞追問可以用不同模型分工。
- Windows 繁體中文輸入體驗比較不會被簡中輸入法干擾。
如果你平常已經在用 Groq、Codex OAuth、OpenAI-compatible endpoint，或本來就在找 Typeless 的免費開源替代方案，那 OpenLess Unbound 值得試試看。
專案與下載頁在這裡：
留言
張貼留言