如何用Hex语音命令控制电脑:Voice Commands语音控制功能终极指南

原创2026-10-31 19:42:281,876 阅读
文章标签:语音桌面应用本地部署人工智能音频

如何用Hex语音命令控制电脑:Voice Commands语音控制功能终极指南

Hex 是一款本地优先的语音听写工具,而它真正的隐藏利器是 Voice Commands(语音命令):不用碰键盘鼠标,只要说一句话,就能打开应用、切换网页、粘贴文本,甚至控制整个听写流程。本指南带你从零启用 Hex 语音命令,并掌握自定义命令与 Voice Action 语音指令的完整玩法。

Hex本地语音命令听写应用总览

Hex 语音控制全景:三种"说话"方式

Hex 里有三种容易混淆但完全不同的语音能力,先用一句话理清:

功能 触发方式 作用 默认状态
Dictation 听写 按住快捷键说话 把语音转成文字粘贴到任意输入框 开启
Voice Commands 语音命令 持续监听,说固定短语 打开应用、控制浏览器、管理听写 关闭(需手动启用)
Voice Action 语音指令 按住独立快捷键说话 本地转写 + AI 模型生成文本并粘贴 关闭(需 OpenCode)

三者互不依赖:普通听写不需要开启语音命令;Voice Action 也不依赖命令模型。详见 docs/features/commands.md 与 docs/features/voice-action.md。

一键启用语音命令:三步上手

👉 进入路径:打开 Hex 设置窗口 → 左侧选择 Commands → 点击顶部 "Voice commands" 卡片上的开关。

Hex语音命令Commands设置面板

启用时会发生这几件事(源码见 src/rune_ui/commands.rs):

  1. 确认麦克风常备:因为命令需要持续监听,Hex 会询问"是否保持麦克风就绪?",确认后空闲时不再释放麦克风;
  2. 后台加载独立的 Moonshine 命令模型:加载成功后立即进入"唤醒"状态开始听命令;
  3. 失败可重试:模型下载失败时,卡片下方会出现 Retry / Turn off commands 按钮,且不影响你的普通快捷键听写。

💡 也可以在终端执行 hex commands enable 代替点击开关(需要 --yes 确认麦克风策略),详见 docs/features/control-cli.md。

内置语音命令清单:说这些就能控制电脑

命令在 Commands 面板里按任务分组展示,每行都可查看别名与生效范围。核心内置命令如下(定义位于 src/commands.rs 与 src/config.rs):

语音短语 别名 作用 生效范围
wake up voice control、start voice control 唤醒语音控制 睡眠态
go to sleep stop voice control 停止监听命令 全局
paste that again paste last 再次粘贴上次听写内容 全局
open slack launch slack、show slack 打开指定应用 全局
go back back 浏览器标签页后退 仅限 Brave Browser
show pull requests pull requests、open pulls 打开网页内指定入口 仅限 github.com

唤醒与睡眠:语音控制的"电源开关"

语音命令有一个 awake(唤醒)/ sleeping(睡眠) 双状态设计:

  • 唤醒态:说完整短语 → Hex 解析匹配 → 执行动作;无明确匹配时静默忽略并记录日志;
  • 说 go to sleep → 进入睡眠态,不再响应普通命令;
  • 睡眠态:只响应独立的唤醒词(wake up 等),且必须是整句,"唤醒+命令"不能合在一句话里说;
  • 睡眠只是停止识别,麦克风保持待命以便听到唤醒词;快捷键听写在睡眠时依然可用。

唤醒与执行成功有柔和提示音,执行失败会播放错误音,操作反馈一目了然。

自定义命令:让"打开训练网站"成为一句口头禅

内置命令不够用?Hex 支持用一份本地配置文件注册个人语音命令,无需安装任何依赖、无构建步骤:

  1. 在 Commands 面板点击 Create config,或终端运行 hex commands init;
  2. 配置文件生成在 ~/.config/hex/hex.config.ts,工作区结构见 src/personal_commands/hex.config.ts:
~/.config/hex/
├── hex.config.ts   你的命令配置(唯一需要编辑的文件)
├── hex.d.ts        类型定义(Hex 自动生成,勿改)
├── AGENTS.md       编写说明(Hex 自动生成)
└── tsconfig.json   编辑器辅助配置
  1. 一个最小的自定义命令示例:
import { defineHexConfig, openUrl } from "@hex/commands"

export default defineHexConfig({
  commands: {
    "open-training": {
      phrases: ["open training"],
      group: "Websites",
      description: "Open the training site",
      action: openUrl("https://example.com/training"),
    },
  },
})
  1. 保存后 Hex 约 0.35 秒自动热加载;可用 hex commands check 在终端验证注册结果,出错会精确到文件、行、列。

🔧 可用动作:openUrl(打开网页/应用深链)、openApplication(启动应用)、openPath(打开路径)、press(模拟按键)、typeText(输入文本)。配置脚本运行在嵌入式 QuickJS 沙箱里,无文件系统、网络、定时器访问,安全边界清晰;完整契约见 docs/plans/personal-commands.md。

⚠️ 注意:创建配置文件不等于开启语音命令,仍需在 Commands 卡片中单独启用。

用语音控制听写流程:dictate start / stop / send

命令还可以管理"纯语音听写"本身(需命令模型就绪且处于唤醒态):

  • 说 dictate start → 进入语音听写模式(自动带最多 1 秒前置录音);
  • dictate stop → 结束并粘贴;
  • dictate send → 结束、粘贴并回车发送;
  • dictate cancel → 丢弃,什么都不插入。

这四个短语可在 hex.config.ts 的 dictation 段替换成自己习惯的口头禅。

Voice Action:按住快捷键,用一句话驱动 AI

如果说 Voice Commands 是"按键宏",Voice Action 就是"语音 AI 助手":按住独立快捷键说一句指令,Hex 先本地转写(不上传音频),再把指令交给 OpenCode 文本模型,生成结果直接粘贴到当前焦点位置。

Hex语音指令Voice Action设置面板

上手三步:

  1. 进入 Hex > Voice Action,打开 "Enable Voice Action" 开关;
  2. 默认快捷键为 macOS 的 Option-Command、Linux 的 Ctrl+Alt+I,可自行修改;
  3. 在 Processing 区选择 OpenCode 模型(需本机装有 OpenCode V2),处理超时默认 60 秒。

实用细节:

  • ✅ 支持可选文本:说话前选中的文字会自动作为上下文(通过辅助功能读取,不动用剪贴板,上限 64 KiB),比如选中一段英文说"翻译成中文";
  • ✅ 输出走独立队列,按提交顺序粘贴;失败时什么都不粘贴,绝不回退到原始转写稿;
  • ✅ 按 Esc 可取消正在录制或排队中的任务;
  • ✅ Linux 无快捷键门户的桌面环境,可用 hex voice-action start / stop / toggle 命令绑定系统键。

下图是一个典型的 OpenCode 会话界面,Voice Action 生成的内容就来自这样的模型后端:

OpenCode模型会话示例界面

常见问题速查

问:开启语音命令后麦克风会一直录? 命令持续监听但仅在本地识别短语,空闲麦克风策略由你确认;想彻底停用说 go to sleep 或关闭开关即可,卸载命令识别器与动作执行器。

问:命令短语冲突了怎么办? 两个同级别命令不能共享同一短语,更具体的命令(如限定应用/浏览器)可特化全局命令;hex commands check 会在配置阶段就拒绝重叠。

问:为什么 Voice Action 显示 "Requires OpenCode"? Hex 通过 PATH、Homebrew、Node 版本管理器目录自动发现 OpenCode V2 CLI,找不到或只有 V1 时给出该提示,每 60 秒重新探测,装好后点 Refresh 即可。

问:Linux 能用语音命令吗? 个人命令的文本转换(Modes Transformations)已支持 Linux/Windows;完整的语音命令目录与 Voice Action 快捷键目前以 macOS 为主,Linux 提供 Voice Action 的快捷键/命令双通道。

小结

Hex 的语音控制体系层次清晰:听写负责打字,Voice Commands 负责"说一句话办一件事"(开应用、控浏览器、管听写),Voice Action 则把本地转写与 AI 生成结合起来处理复杂指令。三者都遵循本地优先原则——音频转写留在设备上,配置热加载、随时可撤销,让你真正用"说话"替代"操作"。🎙️

登录后查看全文
hex