在 Mac 上不花订阅费进行文稿写作
TuBrief 편집팀
2026년 7월 11일
0
Computing/Software원본 영상을 바탕으로 AI의 도움을 받아 작성했습니다. 원본 영상이 기준입니다.
커뮤니티의 다른 글
댓글 (0)
Log in to leave a comment
아직 작성된 글이 없습니다
원본 영상을 바탕으로 AI의 도움을 받아 작성했습니다. 원본 영상이 기준입니다.
Log in to leave a comment
아직 작성된 글이 없습니다
如果你是一名每月为 AI 服务支付 20 美元的自由职业者，那么一年就是 240 美元的开销。在将文稿上传到云端的同时，你的商业创意也有被用作服务商训练数据的风险。通过在自己的电脑上直接运行，订阅费将变为 0，且数据不会流出。
首先，请从 Ollama 官网下载并运行安装文件。接着安装 Fluid Voice，并在系统权限设置中开启麦克风和辅助功能权限。现在，请确认即使在关闭互联网的情况下，语音也能转换为文字。即使在飞机上，你也可以在没有网络连接的情况下，以 100ms 左右的响应速度进行写作。
在 macOS 系统设置中点击“声音”，然后打开“输入”选项卡。将麦克风输入增益固定在 70%。声音太小无法识别，太大则会混入噪音。
在 Fluid Voice 设置中，将右侧 Option 键设为全局快捷键。必须开启“按住说话”（Hold to Speak）模式。只有在按住按键时才会识别语音，松开手后文字会立即输入。无需用鼠标点击编辑器，文字会直接输入在光标所在位置。
听写中难免会混入语气词或错别字。利用 3B 模型 llama3.2:3b 来校对语法，不到 1 秒即可得到整洁的语句。
编写以下脚本以调用本地服务器：
`python
import requests
import json
def clean_text(text):
url = "http://localhost:11434/api/generate"
payload = {
"model": "llama3.2:3b",
"prompt": f"다음 텍스트에서 문법 오류를 수정하고 필러를 제거해: {text}",
"stream": False
}
response = requests.post(url, json=payload)
return response.json()['response']
`
执行这段代码后，每天花在修改错别字和排版上的 30 分钟时间将不再需要。
在 Apple Silicon 上同时运行多个大型模型会导致 RAM 不足，从而使电脑变慢。在 16GB RAM 环境下，应使用 4 位量化的 llama3.2:3b 模型，这样系统才不会卡顿。
在 ~/Library/LaunchAgents/ 路径下创建 ollama_env.plist 文件并固定环境变量。将 OLLAMA_NUM_CTX 设置为 4096，即可轻松处理长篇文章。请将模型存储路径通过符号链接（Symbolic Link）指向外置 SSD，而非系统盘。这样一来，一个既能长期维持系统性能，又能确保数据安全的个人工作环境就完成了。