pickfit

瀏覽本機 AI 工具

Speechos

本機優先的語音工作區,可在裝置上錄音、轉錄、分析與合成語音。

已在 Linux 上測試有已知漏洞

使用

安裝前先知道:有已知漏洞

pickfit 在安裝時會一併裝上的套件裡找到 13 個已知的高風險或嚴重漏洞(OSV.dev,2026年11月3日),安裝前請先考慮。

  • npm:next 16.4.0 Next.js:使用 SVG 檔案時,Image Optimization API 出現未經驗證的遠端程式碼執行 (GHSA-2464-fhr4-w9xw,嚴重,16.4.1 已修正)
  • pypi:certifi 2026.7.22 certifi 組合包包含 emSign 根 CA,其關聯的中繼 CA 金鑰已遭入侵 (GHSA-6q48-6c7w-9gw2,嚴重,2026.10.18 已修正)
再看 8 個

另有 3 筆未列出。

Linux x86_64

需要先準備

  • 執行環境:Node.js 22+ and pnpm, Python 3.11-3.13 and uv
  • 可選用 GPU
  • 金鑰或帳號:用於 pyannote 說話者分離的 HF_TOKEN
  1. 透過 npm 安裝必要的 pnpm

    npm install -g pnpm
  2. 複製 Speechos 儲存庫

    rm -rf speechos && git clone --depth 1 https://github.com/miikkij/Speechos speechos
  3. 透過 pnpm 安裝 web(候選 1)

    cd speechos/web && pnpm install
  4. 透過 requirements-ci 安裝 API 輕量 CPU 環境

    cd speechos/api && uv venv --python 3.12 && uv pip install -r requirements-ci.txt

確認能用

pnpm --version

輸出應包含「12.16.1」。

先試試這個

cd speechos/api && uv run --no-sync pytest -q

它能做什麼

以下依據 README;pickfit 沒有逐項檢查。

  • 錄製或上傳語音音訊
    未測試
  • 轉錄語音並辨識說話者與情緒
    未測試
  • 以不同聲音將文字轉為語音
    未測試
  • 並排比較語音模型
    未測試

pickfit 測到哪一步

Linux x86_64

  1. 可以安裝
  2. 可以啟動
  3. 能回應請求
  4. 可離線使用

Windows 和 macOS:專案說支援,但 pickfit 還沒試過。

適合用來

  • 以麥克風錄音或上傳音訊檔案進行轉錄
  • 分析語音的逐字稿、情緒、說話者與聲音特徵
  • 以各語言聲音將文字合成語音並下載 WAV
  • 將逐字稿匯出為 TXT、SRT 或 JSON
  • 依硬體等級選擇本機 STT、TTS、情緒與說話者模型

pickfit 怎麼測的

每次測試都從乾淨的機器開始,照上面的步驟執行。 pickfit 怎麼驗證

Linux x86_64

服務能回應請求

  • 從頭重跑
  • 可離線使用
  • 檢查於 2026年10月30日
  • 版本 0.1.0

測試機器遇到的差異

  • README: cd api && uv sync --extra gpu (omit on CPU-only machines)
    測試中: 在這台僅有 CPU、2 GB 的機器上改用 CI 輕量環境:`uv venv --python 3.12 && uv pip install -r requirements-ci.txt`;透過延遲載入模型,單元測試與 /health 不需 torch 即可執行
  • README: Prereq Node.js 22+ and pnpm; cd web && pnpm install
    測試中: 先執行 `npm install -g pnpm`;機器上有 node 22/npm/uv 但缺少 pnpm

怎麼看工具卡

縫線
pickfit 親自安裝過這款工具,縫線下方的內容都來自那次測試。沒測過的工具,一律沒有縫線。
已在你的作業系統上驗證
安裝步驟在你選的系統上跑過。「只在 Linux 上執行過」表示還沒在你的系統上跑過。
macOS、Linux 和 Windows在哪裡測過
綠色系統標記:pickfit 在該系統跑過安裝步驟。灰色:README 說支援,但 pickfit 還沒試過。
測試進行到哪一步
能安裝並啟動、主要功能可用、服務有回應、能產生模型輸出。視窗代表桌面應用程式已開啟;插頭代表 MCP 用戶端用過它。標記在測試結果旁邊:展開「為什麼適合、我們怎麼知道」,或在「pickfit 怎麼測的」裡。
視覺檢查
pickfit 看過應用程式的截圖。綠色:畫面正常。黃色加數字:有看起來不對的地方,點開就能看到。灰色虛線:還沒檢查。
已知漏洞
它安裝的套件有沒有已知的高風險或嚴重漏洞(OSV.dev)。綠色:沒有已知漏洞。紅色加數字:有幾個,點開看清單,安裝前先看過。灰色虛線:沒有檢查,不代表安全。
關於這次測試
測試日期,以及測到的版本。
理由的來源
每個推薦理由都依據簡介裡的一個欄位。展開理由就能看到欄位和值。
寶藏
品質高、少有人知。
品質與知名度
兩個分數,滿分都是 100。品質:pickfit 試裝、試用的結果,以及安裝文件和維護狀況。知名度:看星數、下載量和 Hacker News。
已檢查的功能
README 宣傳的主要功能裡,實測通過幾項(綠色)、失敗幾項(紅色)。灰色是沒檢查的,工具卡會說明原因。
未驗證
Fitz 依一般知識提到的知名工具。沒有測試紀錄、沒有步驟、沒有分數。