Hex 3.0 穩定版推出:本機語音輸入怎麼用,升級為何不會帶入舊資料?

Hex 3.0 穩定版加入新設定與術語辨識,但不匯入舊資料。整理本機語音輸入、平台條件、OpenCode 選用重寫與升級前準備。

Share
Hex 官方產品封面,六角形應用程式圖示旁標示 Mac、Windows 與 Linux 本機語音輸入。
Anomaly 的 Hex 官方封面,主打 Mac、Windows 與 Linux 本機語音輸入;各平台和 Labs 功能的支援狀態仍須分開看。 圖片來源:官方原文。

Hex 3.0 想把口述需求到輸入提示詞之間的路縮短。對程式代理說明一個想法,常比先打成長段落自然,但若還要開錄音工具、轉逐字稿、複製貼上,省下的時間也可能花回切換視窗上。

Anomaly 的 Hex 把這件事做成口述輸入:按住快捷鍵說話,放開後把文字貼進目前使用的應用程式。10 月 31 日,官方宣布穩定版可下載,GitHub 對應版本為 Hex 3.0.0。

它的基本轉錄使用下載到裝置上的語音模型,一般口述不要求 OpenCode,也不需要雲端轉錄服務。這裡的本機,是音訊辨識流程的選擇,不等於安裝與所有選用功能都不用網路。

這次升級有一個容易被新功能掩蓋的變化:3.0 改用新的資料夾,不會匯入 2.3.1 的設定、歷史紀錄、會議錄音或模型。舊版也不會自己升上來,使用者得重新完成安裝與設定。

此外,穩定版是發布管道,不能推論 Windows、Linux 與 macOS 的每個功能都一樣成熟。會議功能仍是 macOS Labs 測試項目,畫面註記交給代理則在發布說明中列為 Dev 管道。

要判斷 Hex 是否適合自己,先把最常用的「說話、轉字、貼上」走通,再看要不要加上術語修正與雲端重寫。這兩層分清,升級與資料流向才不會一起變成黑盒。

Hex 3.0 本機口述輸入,先縮短說話到貼上的路

Hex 的基本工作是把你說的話轉成文字,再貼到目前的輸入位置。它不要求先把內容存成錄音檔,也不要求你固定在某個聊天工具裡說話。

在 Mac 上,官方描述的基本操作是按住 Option 說話,放開後轉錄並貼上。使用者可以改快捷鍵,設定麥克風、語言與本機模型,再依自己的操作習慣選擇錄音方式。

這個流程適合處理的,是原本就會輸入文字的情境。例如對程式代理交代一個錯誤發生的先後,或在文件裡先口述段落,再用鍵盤修訂,仍由你決定文字最後是否送出。

辨識完成不等於內容已正確。若句子中有數字、人名或專案縮寫,應先看貼上的結果,尤其是會改變需求的否定詞,不能因為文字出得快就省掉確認。

Hex 的取消也有時序差別:錄音中按 Escape 會丟棄當次錄音,放開快捷鍵後則可取消仍在轉錄的最新一段,避免它稍後貼入。熟悉這個差別,才能在說錯需求時,知道自己取消的是聲音還是待完成的輸入。

官方也提供取消與重貼最後一段口述等操作。這讓輸入可以保留在草稿階段,而不是每次說話都必須立即成為傳給代理的指令。

因此,可以先把 Hex 當作輸入方式來評估。模型能在本機辨識,不代表貼到哪裡、如何修改與何時送出也都替你決定,最後的文字仍要符合當下工作的用途。

Hex 官方產品封面,六角形應用程式圖示旁標示 Mac、Windows 與 Linux 本機語音輸入。
Anomaly 的 Hex 官方封面,主打 Mac、Windows 與 Linux 本機語音輸入;各平台和 Labs 功能的支援狀態仍須分開看。 圖片來源:官方原文。
Anomaly 的 Hex 官方品牌動畫,以應用程式圖示與流動的英文詞語呈現語音輸入主題;不是操作效能測試。 來源:官方原文。

3.0 升級先做準備:新資料環境不帶入舊紀錄

從 2.3.1 換到 3.0,最先要處理的不是新按鈕,而是哪些資料不會跟著過來。官方發布說明指出,新版本使用名為 hex 的資料夾,舊版使用的則是 voice-control。

這次不匯入原有設定、History、會議錄音或已下載的語音模型。第一次開新版本時,模型需要重新下載,不能因為舊版曾經離線使用,就期待新版本在未準備模型時立刻運作。

Hex 的新設定視窗把一般選項、輸出與歷史紀錄集中呈現。重新設定時,可以先完成麥克風與模型,再處理每個 App 的輸出模式,最後確認歷史保留方式。因為這次是新環境,舊版看似熟悉的選項仍要逐項確認,而不是假設它們已沿用。

已經匯出到 Documents 裡 Hex Meetings 目錄的會議筆記,仍留在原位置。舊資料夾也不會被新版本移除,這與「所有資料都已搬好」是不同情況。

若舊紀錄對工作重要,應先確認哪些已匯出、哪些還只留在舊環境。保留舊資料和驗證新環境可以分開進行,不需要為了完成升級就急著刪掉舊版本的內容。

macOS 會把新的應用程式識別與簽章視為新 App,因此麥克風、輔助使用等權限要重新設定。若使用會議功能,還有對應的畫面與系統音訊錄製權限,開機登入設定也需要重新確認。

由組織管理的更新政策同樣要注意新的 anomaly.hex 識別。仍指向舊識別的設定,不應想當然認為會套到新版本,否則使用者看到的更新行為可能與管理預期不同。

Windows 安裝 3.0 後,2.3.1 不會自動移除。因為舊版不會自行升到 3.0,更新前後要確認實際啟動的是哪個版本,避免兩個安裝留下的快捷鍵或使用習慣造成混淆。

確認新版本所需內容已準備好,再決定如何保管舊資料,能避免把升級誤當成自動搬家。

Vocabulary 和文字轉換,改的是辨識與輸出流程

人名、專案名和縮寫,往往比一般句子更需要語音輸入工具幫忙。說話的人知道自己指哪個產品,模型卻可能把同音詞轉成另一個常見字。

3.0 的 Vocabulary 可以列出名稱與術語,讓轉錄朝這些詞彙調整,也處理常見誤聽。它適合放入自己每天反覆使用的用詞,但不能當作任何口音或句子都必定正確的保證。

假設你的專案名和一般英文詞同音,可以先用同一段需求測試加詞前後的結果。這是使用者可採用的驗證方式,並非本刊已做過的準確度測試。

辨識之後,還有貼上前的文字處理。固定替換、特定應用程式的模式與自訂轉換,處理的是文字要如何呈現。把這一層和語音辨識分開,出錯時才知道要調哪裡。

進階使用者可以用設定檔定義文字轉換。官方說明這類設定在內嵌的 JavaScript 引擎中執行,沒有檔案系統、網路與程序存取權,不能直接把它想成任意控制電腦的口令系統。

這也與新版移除的功能有關:Voice Action、口頭命令以及使用的 Moonshine 模型已移除,hex.config.ts 現在只保留轉換用途。舊教學若仍要求你說一句話來觸發命令,就要先對照版本。

記憶體數字也要保留範圍。官方稱本機模型使用的記憶體由約九百 MB 降至約一百六十 MB,這個數字指向本機模型記憶體,整個應用程式的常駐量與模型下載大小應另外確認,本刊未進行量測。

將術語辨識與貼上前文字轉換分開測,才知道錯誤發生在哪一步。只更換模型名稱,未必能解決本來出在替換規則或輸出模式的問題。

開啟 OpenCode 重寫後,資料不只留在本機辨識

Hex 不要求 OpenCode,但你可以選擇讓它整理轉錄後的文字。選用這條路之後,本機語音轉字和模型重寫就是兩個不同處理階段。

官方文件指出,OpenCode 重寫會把逐字稿、前景應用程式與 Brave 網站的主機名稱,交給所設定的模型供應商。因而判斷資料流向時,不能只看第一步是不是在裝置上辨識。

一般口述不需要這項功能。如果你只想將想法先輸入草稿,讓文字保持原來語意,再自行編修,沒有必要為了開始使用就同時啟用雲端重寫。

Hex 對選用處理失敗也有保留文字的規則:OpenCode 重寫失敗時,會留下修正後的本機逐字稿並繼續選定的文字轉換。若文字轉換本身失敗,則保留該階段之前的文字,避免把做了一半的結果當作完成輸出。

如果想讓模型整理句子,則要先確認目前使用哪個供應商、會處理哪些內容,以及文字能否交給該服務。應用程式名稱和網站脈絡本身,也可能透露工作情境。

現行文件也說明,這些功能使用已經在執行的 OpenCode 服務,Hex 不會自行替你啟動它。因此,重寫未運作時,要分清是轉錄失敗,還是選用服務尚未就緒。

關閉歷史紀錄,不等於刪掉既有內容

Hex 預設不保存一般口述的音訊,但成功貼上的文字會進入 History,預設保留七天,含本機轉錄、最後文字與有限的應用程式及時間資訊。

紀錄另有最多一萬筆與原始、最終文字合計十六 MiB 的上限。這表示七天不是任意資料量都一定完整保留的承諾,超出上限時仍有較舊內容被移除的情況。

把保留選項設為 Off,只是停止新增歷史紀錄,不會刪掉既有資料,也不會一起停止診斷紀錄。若要清除既有內容,還要使用對應的清除操作。

官方列出的本機診斷資料,也可能含逐字稿、前景應用程式名稱或 Brave 網址。分享除錯檔前仍要檢查內容,不能把「不自動上傳」解讀成「檔案裡沒有私人文字」。

Mac、Windows、Linux 與 Labs 功能分開選

跨平台下載入口提供了選擇,硬體與功能條件仍各自存在。穩定版代表一條發布管道,Windows 與 Linux 文件仍以測試版描述相應支援。

在受管理的網路環境,Hex 程式下載與本機模型準備還可能走不同主機。官方列出軟體更新使用 Anomaly 服務,模型另需 Hugging Face 及其下載網路。因為程式能裝好不代表模型已取得,首次準備失敗時應先分清卡在哪個下載階段。

Mac 版需要 Apple silicon 與 macOS 15 以上。這是開始安裝前就該確認的條件,不能只看有 macOS 下載按鈕,就推論所有舊 Mac 都能執行。

Windows 支援 Windows 10、11 的 x64 與 ARM64,現行文件另列 x64 處理器的 AVX2 條件。Linux 也有處理器與桌面環境限制,X11、Wayland 的快捷鍵與貼上機制不能全部套用同一套預期。

會議功能在 3.0 發布說明中列為 macOS 的 Labs 測試功能,與一般口述輸入分開。它可以涉及行事曆提醒、特定 App 的通話錄製與中斷恢復,不能據此宣稱 Windows、Linux 也都有相同會議能力。

畫面註記 Annotate 則在該版發布說明中列為 macOS、Linux 的 Dev 管道功能。它把畫面、繪圖和口述交給 OpenCode,不能當作穩定版全平台的共同能力來承諾。

先用自己的平台完成穩定的口述輸入,再評估測試功能,較能分辨版本成熟度與實際需求。一次把所有可選功能打開,反而很難知道問題出在哪一層。

用自己的專案用語驗收,比只看模型名稱更有用

對寫提示詞的人,最有意義的測試材料就是每天真的會說的需求。可以挑一段同時含產品名、數字與改口的短說明,確認它轉出來的文字是否保留原意。

例如先說「改首頁」,再補充「只改測試頁,不動正式首頁」,要看的就是後半句限制是否清楚留下。這是假設的測試材料,並不代表工具已在這種情境通過實測。

測試時先保持轉錄流程單純,再分別啟用詞彙與文字處理。若修正前後結果不同,才容易指出是哪項設定帶來變化,不用在多個服務之間猜測。

Hex 採 MIT 授權,本機轉錄也不要求雲端轉錄方案,但硬體、下載模型所需資源,以及選用供應商的費用仍要另看。開源與免費取得程式,不代表每條加值處理路徑都沒有成本。

語音輸入能否減少整理負擔,要看最後可用的文字,而不是只看錄音結束有沒有出字。當基本流程穩定後,再把它放進日常工作,會比先追求最多功能更容易判斷價值。

延伸閱讀:Underdog Bark 3.0 是什麼?163 MB 語音辨識模型的準確度與第一名說法怎麼看

延伸閱讀:FluidVoice 主打免費本機語音輸入:Fluid-1 改寫與語音辨識,差在哪裡?

常見問題

Hex 3.0 會從 2.3.1 自動升級並帶入資料嗎?

不會。官方要求重新下載安裝,3.0 使用新的資料環境,不匯入舊設定、歷史紀錄、會議錄音與模型。已匯出的會議筆記與舊資料夾會保留,仍應自行確認需要保存的內容。

本機語音輸入,可以完全離線嗎?

基本語音辨識在裝置上執行,但安裝、更新與模型下載需要網路。若選用 OpenCode 重寫,文字與相關脈絡會交給所設定的模型供應商,不能把這條流程稱為完全離線。

能說一句口令,就讓 Hex 幫我執行任意動作嗎?

3.0 已移除口頭命令與 Voice Action。現行設定檔用來做文字轉換,與一般口述輸入、Dev 管道的畫面註記是不同用途,不應沿用舊版口令教學的預期。

如果你想追蹤本機 AI 工具如何改變實際工作,歡迎免費訂閱 AI 郵報。

資料來源