Mac 语音输入软件让您用说话代替敲键盘。选型时，最重要的是三个问题：识别模型是否适合您的语言、是否会自动整理文字，以及音频和文本在哪里处理。本地识别可以减少对网络的依赖，而云端润色通常涉及额外的数据传输与费用。
还要看四项实际体验：一次能连续说多久、文字多久出现、哪些数据会离开 Mac，以及长期使用需要多少钱。
本文比较 TranscribeNext for Mac、Apple 听写、Wispr Flow、Superwhisper、Voicy、MacWhisper、Voibe 和 FluidVoice。TranscribeNext 是我们的产品。下文的竞品价格、公开测试和时间参数来自原文调查记录，不代表对各工具当前版本做过重新实测；中文读者尤其需要区分“支持本地识别”和“支持中文”。
30 秒选型摘要
不同任务适合不同工具：
哪款 Mac 语音输入工具适合您？
TranscribeNext for Mac 的本地语音输入包含在 Free 等各套餐中，本地引擎无需账户即可使用，单次最长 5 分钟。它还提供文件转写和会议录制入口，适合不想在多个工具间切换的用户。语音输入免费，不等于所有文件转写、会议或云端功能都无限免费。
Apple 听写的优势是无需安装；Wispr Flow 偏重云端整理；Superwhisper 提供更多自定义选项。以下价格保留原文的欧元口径，仅用于理解收费模式，购买前请查看当前官网价格、税费及地区可用性。
| 应用 | 适合用途 | 主要特点 | 处理位置 | 会话时长 | 原文记录的收费方式 |
|---|---|---|---|---|---|
| TranscribeNext for Mac | 日常语音输入与一体化工作流 | 本地语音输入，另有会议和文件功能 | 本地；云端功能可选 | 5 分钟 | 本地语音输入免费 |
| Apple 听写 | 使用系统内置功能 | 无需单独安装 | 取决于设备、语言和系统 | 请查看当前系统限制 | 随 macOS 提供 |
| Wispr Flow | 整理邮件与消息 | 云端识别与文字整理 | 云端 | 长会话，依套餐而定 | 约 €15/月 |
| Superwhisper | 自定义模型与模式 | 本地模型、快捷键与模板 | 可本地处理 | 长会话 | €8.49/月或 €249.99 永久许可 |
| Voicy | 跨应用语音输入 | 提供一次性付费选项 | 云端 | 长会话 | 约 €8.49/月或 €260 永久许可 |
| MacWhisper | 转写已有音频 | 以本地文件转写为主 | 可本地处理 | 以文件处理为主 | 免费版；付费许可约 €59 |
| Voibe | 长篇口述 | 本地长会话及可选云端模式 | 本地或云端 | 长会话 | 付费套餐 |
| FluidVoice | 开源语音输入与自动化 | 社区维护的本地模型工具 | 本地 | 依配置而定 | 免费、开源 |
Apple 自带听写够用吗？
如果只是输入搜索词或回复一句话，值得先试系统内置听写。它免费、无需单独安装，部分设备和语言支持在设备上处理。
独立应用的价值主要在于模型选择、文字整理和工作流，而不是简单地宣称系统功能不能用。Apple 听写的连续时长、标点与离线能力会随设备、语言和 macOS 版本变化；原文提到的旧版约 60 秒限制，不能作为所有当前 Mac 的统一限制。
如果您经常口述整封邮件、长篇笔记或专业内容，可以用同一段中文比较实际结果：专有名词错多少、标点是否自然，以及还需要多少人工修改。
如何在 Mac 上开启听写？
启用系统听写：
1. 打开系统设置，选择键盘。
2. 开启听写，确认所用语言。
3. 设置快捷键，并按系统提示授予必要权限。
4. 在可编辑文本框中放好光标，再开始说话。
第三方应用有自己的全局快捷键。TranscribeNext 默认使用 ⌥空格，也提供 ⌃⌘D、⌃空格、⌃⌥空格等预设。⌃空格可能已用于切换中文输入法，⌥空格也可能被 Alfred 或 Raycast 占用，请选择没有冲突的组合。
按住快捷键超过 400 毫秒后说话，松开即可结束；轻按一次进入免按住模式，再按一次停止。Esc 用于取消当前会话，不插入文字。
可以用 Fn 键启动听写吗？
可以。TranscribeNext 支持将带地球图标的 Fn 键设为另一种触发方式，与 ⌥空格配合使用。按住 Fn 说话、松开结束；在 400 毫秒内连按两次进入免按住模式，再按一次停止。
该选项默认关闭，需要在语音输入设置中启用并授予辅助功能权限。其设计是识别单独按下 Fn 的动作，不接管所有 Fn 组合键；仍应检查您设备上的功能键、输入法和表情选择器设置是否冲突。使用本地模型时，快捷键触发本身不要求把音频上传云端。
如何实现离线语音输入？
TranscribeNext 提供本地语音识别。原文介绍的 NVIDIA Parakeet TDT 0.6B v3 int8 模型下载约 670 MB，但它不支持中文。中文用户应选择支持中文的多语言模型，例如 OpenAI Whisper large-v3-turbo，并先完成模型下载。
使用本地引擎时，音频在 Mac 上处理。语音输入流程不把结果存入转写数据库；最近一次结果保留在内存中，供再次复制，应用重启后清除。这与保存到文件列表的文件转写流程不同。
Superwhisper、MacWhisper、Voibe 和 FluidVoice 也有本地模型方案；Apple 听写的本地能力取决于设备和语言。Wispr Flow 与 Voicy 则偏重云端处理。
最容易忽略的是：本地识别不等于后续处理也在本地。TranscribeNext 的可选 AI 润色会将识别后的文本发送到云端，需要登录。若要让这条处理链保持本地，请使用本地引擎并选择原始转写，关闭云端润色。
Voibe 和 FluidVoice 有什么不同？
我们没有对这两款工具做独立性能测试，以下是原文对公开产品资料的整理。
Voibe 偏重长篇口述，提供本地长会话模式，也宣传可选的无保留云端模式。是否保留数据及具体条件，应以其当前隐私条款为准。使用本地模型需要预留磁盘空间：不同模型可能从数百 MB 到数 GB 不等。它采用付费套餐。
FluidVoice 是免费开源的社区项目，通过本地模型提供语音输入和语音控制功能。原文介绍了 Homebrew 安装方式 `brew install --cask fluidvoice`；安装前仍应核对项目的当前说明、来源和兼容要求。对不熟悉终端的用户，安装维护会比普通应用多一道门槛，社区项目也不等于附带商业支持承诺。
选型时还要区分语音输入与文件、会议转写。不要因为某款工具支持“语音转文字”，就假定它包含已有录音导入或会议录制；请按当前功能表逐项核对。
说完之后，文字多久出现？
响应时间包含麦克风启动、识别、文字插入和可选润色，不能只比较一个宣传数字。原文记录的 TranscribeNext 参数如下，实际体验受硬件、模型、语言与网络影响，不是性能保证：
原文还引用了 Superwhisper 每次约 1–2 秒、部分云端工具约 200 毫秒网络延迟加处理时间的公开数字。两者统计口径不同，不能直接作为快慢排名。中文使用 Whisper 时，也不能直接套用另一个模型的启动和推理时间。
识别准确率应该怎么看？
模型很重要，语言、预处理、麦克风和后处理同样重要。以下保留原文列出的测试数据与模型大小，便于理解差别；它们不是同一数据集上的横向测试，更不是中文准确率。
| 模型 | 原文记录的下载大小 | 字词错误率 | 测试说明 |
|---|---|---|---|
| NVIDIA Parakeet TDT 0.6B v3 | 670 MB | 6.34% | Open ASR Leaderboard 多领域数据；模型支持 25 种语言，不含中文 |
| OpenAI Whisper large-v3 | 2.9 GB | 2.5% | LibriSpeech test-clean，清晰英文朗读 |
| OpenAI Whisper medium | 1.5 GB | 2.9% | LibriSpeech test-clean |
| OpenAI Whisper small | 466 MB | 3.4% | LibriSpeech test-clean |
安静环境中的英文朗读与带噪声的中文口述是不同任务。实际比较时，请录一段包含中文姓名、英文缩写、数字和行业术语的内容，检查漏字、同音字和断句，而不是用上述百分比推算自己的结果。
麦克风距离和环境噪声通常值得优先改善。识别完成后，标点、分段和口头语处理也会影响最终可读性，但不应掩盖原始识别错误。
语音输入一定比打字快吗？
原文用英文举例：按每分钟说 150 个单词、打 40 个单词计算，300 词邮件口述约需 2 分钟，打字约需 7.5 分钟。这只是特定假设下的计算，不能直接换算成中文汉字数或中文输入法速度。
更重要的是最终交付时间。口述后如果还要逐句删除口头语、补标点、改同音字，节省的时间可能被校对抵消。建议用您常写的邮件或工作消息比较“开始输入到可发送”的总耗时。
TranscribeNext 的可选润色用于整理口头语、停顿、标点和自我更正，例如把“周一，不，等一下，周二”整理为“周二”，而不是翻译或总结内容。原文版本包含防护：输出超过输入的 2.2 倍、少于 30%，或数字、网址、邮箱出现异常变化时回退到原始转写。此类检查只能降低风险，不能代替对重要信息的人工核对。
能直接在其他应用里输入文字吗？
多数独立语音输入工具提供跨应用输入，但并非每个文本框都允许自动插入。实际兼容性取决于目标应用、权限和安全输入状态。
TranscribeNext 的实时输入通过模拟按键，将已确认文字送入当前应用。用户开始手动输入或点击时，应用会让出控制。另一种方式是复制并粘贴：先备份剪贴板，再在完成后恢复，避免覆盖之前复制的图片或链接。
有两点需要注意：
Wispr Flow 与 Superwhisper 怎么选？
这主要是云端文字整理与本地控制之间的取舍。
Wispr Flow 将语音发送到服务器，返回整理后的文字，偏重邮件和聊天场景。它依赖网络；对保密内容，应先确认组织是否允许上传以及供应商的数据处理条款。原文记录价格约为 €15/月。
Superwhisper 面向希望选择本地 Whisper 模型、自定义模式和快捷键的用户。原文记录了免费版、€8.49/月订阅及 €249.99 永久许可，并引用约 1–2 秒的处理时间。这些历史数字需在购买前重新核对。
TranscribeNext for Mac 提供本地识别与可关闭的云端润色，另有会议和文件转写。如果您需要多种任务共用一个应用，可以一起比较；不要仅因其中一个语音输入功能免费，就推断所有功能的额度相同。
哪些数据会离开 Mac？
选择隐私模式时，应分别看音频识别、文本润色和保存流程。原文描述的 TranscribeNext 语音输入行为是：
其他工具也应按具体模式核对。Apple 的处理位置取决于设备与语言；Wispr Flow、Voicy 偏云端；Superwhisper、MacWhisper、Voibe 提供本地选项。产品名称本身不是保密或合规保证。
Mac 语音输入软件怎么收费？
以下为原文价格记录，不是实时人民币报价。订阅周期、地区税费、促销与汇率可能影响实际付款金额。
按 €15/月计算，一年为 €180。是否值得取决于实际节省的校对时间，而不是仅看识别速度。可查看 TranscribeNext 套餐比较完整权限；中文页面不代表提供人民币结算或所有本地支付方式。
各款工具的优势与限制
如何快速选择？
先从满足隐私和语言要求的免费方案试起。记录实际节省的时间与修改量，遇到明确限制后再考虑付费；不要把“每周一定回本”当作普遍结论。
常见问题
Mac 上哪款语音输入软件适合我？ 简短输入可先试系统听写；一体化文件、会议和语音输入可比较 TranscribeNext；云端文字整理可看 Wispr Flow；自定义本地模型可看 Superwhisper。中文支持应按模型确认。
Apple 自带听写够用吗？ 对搜索和短回复通常值得先试。连续时长、标点和离线能力依设备与系统而异，不应统一套用旧版限制。
Mac 可以离线进行中文语音输入吗？ 可以先下载支持中文的多语言 Whisper 模型，再使用本地识别。需要全程本地时关闭云端润色；Parakeet TDT 0.6B v3 不支持中文。
如何开启听写？ 在系统设置 > 键盘 > 听写中启用；第三方应用需另设快捷键并授予相应权限。TranscribeNext 默认用 ⌥空格，注意避开输入法快捷键。
可以使用 Fn 键吗？ TranscribeNext 提供可选 Fn 触发：按住说话，或在 400 毫秒内连按两次进入免按住模式。它默认关闭，需要辅助功能权限。
Wispr Flow 和 Superwhisper 怎么选？ 前者偏云端整理，后者偏本地模型与自定义。应把网络、数据处理方式和配置成本一起考虑。
准确率有多高？ 取决于模型、语言与录音条件。英文测试集的错误率不能直接代表中文效果，请用自己的中文录音比较。
一定比打字快吗？ 不一定。英文单词速度不能直接转换为中文输入速度，还要计算校对、格式调整和修改耗时。
需要多少钱？ 从系统免费功能、开源工具到订阅和永久许可都有。上文竞品价格是原文记录，购买前以当前官网与结账页为准。
来源与参考：TranscribeNext Mac 应用资料、Apple 听写支持文档、Wispr Flow、Superwhisper、MacWhisper 产品资料，以及 Hugging Face Open ASR Leaderboard 与 LibriSpeech test-clean 测试。参数与竞品价格反映原文调查时的信息，不同版本、模型、设备和地区的实际情况可能不同。