语音输入 AI 整理：去掉语气词，别替我改意思

只想去掉「嗯、啊」和重复起头，不想重排消息时，先选 设置 → 清稿 → 标准。措辞本身很重要时，选忠实（只加标点）。成稿改了数字、「不要」或「可能」，先在听写历史里对照原稿与成稿，再发送。

删除犹豫与改写要求是两回事。只有人物、动作、条件和不确定性都没变，缩短才有价值。本文由 Ducduc 产品方发布，说明设置与限制；其中一例保留真实的纯文字后端响应，其他示例明确标注为演示。

先取回需要的措辞

1. 打开听写历史，找到出错记录；有原稿可查看时，将其与成稿对照。
2. 把可信的部分复制回目标位置，核对后再发送。原稿也可能有识别错误。
3. 找到第一处改变意思的差异，保留短小的原稿与成稿对照，不必把整段都归为「不准」。
4. 一次改一个设置，先在备忘录里测试另一句不敏感的话，再回到实际工作。

看到的情况	优先检查
原稿的数字或单词已经错了	识别语言、麦克风和常用词
原稿正确，成稿改错	清稿力度和固定替换
普通笔记正常，AI 输入框改动更多	「在 AI 编码工具里写成 prompt」与目标识别
历史里的文字正确，输入框没有字	插入、目标焦点和复制降级

麦克风无法修好识别之后才发生的文字变化；降低清稿力度也不会停用你主动添加的固定替换。

选择足够完成任务的力度

设置	预期处理	适合什么
忠实	以标点为主，尽量保留措辞	需要仔细核对原话的文字
标准	去语气词、修明确口误，保留说话顺序	消息、反馈、普通笔记
精炼	合并重复，整理原话支持的关系	零散的需求或多部分笔记

**列表结构 → 不列点（纯段落）**控制版式，不会把「精炼」变成「忠实」。选忠实也不等于拿到音频的逐字真值：识别器可能已经漏掉语气词或听错词。本地替换、口述符号和已选择的中文字形锁也可能改变最终文本。

不同产品的力度名称并不等价。例如，Wispr 官方 Auto Cleanup 指南区分原稿、轻度清理与改写。比较工具时，应看该档允许做什么、是否能取回原稿，不能只看「轻度」或「逐字」的名字。

一次真实的文字清稿检查

2026 年 10 月 17 日，我们将下面的构造转录发送给 Ducduc 生产清稿接口，使用标准模式和 zh-CN，未提供词汇、受保护词或近期语境。只请求了一次，下方响应未经编辑。

完整输入：

嗯这个 release 先别 deploy，我刚才说周五，不对改成下周一，先保留 3 个测试，不要删掉 unchanged 这个字段。

实际输出：

这个 release 先别 deploy，改成下周一。先保留 3 个测试，不要删掉 unchanged 这个字段。

这次输出去掉了语气词和明确撤回的周五，保留了下周一、3 个测试、「先别 deploy」和不要删除 unchanged 的限制，没有加审批步骤，也没宣称版本已经可以发布。日期短语与前文的关系，仍需收件人能理解；清稿不能补出缺失语境。

归档的输入、设置与响应让这次检查可以核对。它是文字清稿检查，不是麦克风听写，没有测识别准确率、App 检测、延迟、重复稳定性或总体成功率。

快速核对时，逐项检查：

• **对象与数量：**发给谁、发什么、日期、单位、金额。
• 否定与条件：「不要」「仅在……时」「审核后」「保持不变」。
• 确定程度：「可能」「大概」，以及尚未回答的问题。
• **范围：**一个按钮、一段文字，还是整页。
• **语言：**未选择翻译时，夹杂英文继续保留英文。

英文 like 可以是口头填充，也可以是“I like this option”的实质内容。机械删除所有同词，并不等于安全地去语气词。

为什么编码 prompt 比普通笔记改得更多？

开启在 AI 编码工具里写成 prompt后，被识别出的 AI App 和支持的 AI 网站输入框可以使用指令清稿。短要求应整理成短指令，长需求可以合并重复条目；它可能比标准模式重排更多。

演示输入：「设置按钮太小，我总点不中。帮我弄得容易点击一点，但不要改整页。」

演示结果：「设置按钮太小，容易点不中，请调整得更容易点击。不要改整页。」

不应凭空加入尺寸、实现方式或额外测试要求。Ducduc 准备文字，接收的 agent 解释和执行；提交前仍要核对。Codex 指南介绍完整流程。

目标识别依赖 macOS 辅助功能暴露的信息，包括支持浏览器的地址信息，也可能无法识别某个输入框。它不会读取网页正文或输入框内容来判断平台。比较各档力度时，可先关闭 prompt 转换，避免混入另一种模式。

检查和降级能保住什么？

当前实现检查部分数值变化、否定丢失、受保护词缺失和助手式回答。结果被拒绝时，会退回识别文字，再应用适用的本地输出规则。这些是有限检查，不是对语义一致性的证明。明确撤回、口述数字和主动翻译需要不同处理，所以错误仍可能漏过。

云端清稿不可用时，混合模式可尝试已配置的本地备用模型；否则保留识别文字并标注。内建额度用完也会保留文字。本地 Ollama和自带 Key各有配置要求。成功降级不代表原始识别一定正确。

留一组小型核对样本

测试上面的完整示例，再加「可能改到周五」「不要清缓存」，以及一句自己的人名或金额。使用同一模型，分别比较各档原稿与成稿。某种替换始终存在时，检查个人词典 → 固定替换和已学习的纠错。

内建和云端 BYOK 清稿会把文字发给所选服务。清稿要留在同一台 Mac，需使用回环地址、已下载的本地 Ollama 模型，并关闭 Ollama 云功能。Ducduc 离线模式关闭自己的云端清稿路由，不会关闭 Ollama 的网络访问。操作见本地配置，其他边界见数据流指南。

可以下载 Ducduc，从标准模式的一段短笔记开始。遇到意思变化，通过反馈提供脱敏的原稿与成稿、App 和构建号、力度、列表偏好、prompt 转换设置及有关规则。这样能给开发者一个可重现的问题，无须提交整段私密录音。