我的语音输入工具探索

语音输入技术已经成为提高生产力的重要工具，但选择合适的解决方案并不容易。经过几个月的深度使用和测试，我想分享一些关于不同语音输入工具的选择经验。

Mac 的语音输入法

接下来让我们来对比 Mac 端的语音输入法。当然了，这里有一些应用是在 Windows 上可以用的，比如 WisprFlow 和 Aqua Voice。

基于 Whisper 的解决方案

许多人首先接触的是 Whisper 技术，它支持本地部署，速度相对较快。市面上很多应用都基于这个技术构建：

WisprFlow：除了基础的 Whisper 模型外，还加入了纠错功能，效果相对较好。订阅费用为每月 10 美元，但免费版本每月重置额度，对大多数用户来说够用。后来由于 Reddit 上曝光的权限滥用和内存占用问题，我卸载了。

MacWhisper：Mac 平台的本地 Whisper 应用，后来改名 Whisper Transcription。

SuperWhisper 等其他应用。

一般来说，如果你看到一个语音输入应用是免费的、无订阅或买断制的，基本都是使用 Whisper 服务。但无论是 Whisper V2，V3 还是 V3 Turbo，识别效果都不算特别理想。

Aqua Voice

这是我认为我体验过的效果最好的语音输入工具。如果预算充足，这绝对是首选：

支持 Windows 和 Mac 双平台

具有 Streaming 模式（能模糊看到输出是逐词识别的，但是具体的技术栈无从而知）

UI 流畅，输出准确且速度快

缺点：订阅费用较高，且与 WisprFlow 相比（每月 10 美元），简体中文和繁体中文混淆。

Spokenly

目前我主要使用的是 Spokenly，这是一个 Mac 独占的免费应用：

完全免费，只需要 OpenAI API

使用 GPT-4o Mini Transcribe 模型，而非 Whisper

速度和准确性都远超 Whisper

最初我担心 GPT-4o Mini 的语音转录会很昂贵，但实际使用发现非常便宜。由于语音输入通常是短时间的快速输入，实际消耗的费用很少。经过计算，大约一小时录音仅需 27 日元（约 1 元人民币），也就是说，Aqua Voice 一个月的订阅费用可以支撑 50 小时的转写，至少在我的使用案例里是非常优惠的。

不过 Spokenly 不支持 Windows，我的 Surface 应该怎么办😭

手机端解决方案

在移动设备上，微信输入法 是我见过综合速度和质量最好的中文语音输入解决方案：

识别速度极快，连快速语音都能准确识别

日常对话音量即可，无需刻意大声说话

虽然中英文混输效果一般，但在手机使用场景下已经足够

相比之下，Google 为 Pixel 上 Tensor 设计的独占语音输入虽然非常好用，但只支持日语和英文。

语音笔记软件对比（VoiceNotes vs IdeaShell）

除了即时语音输入，语音笔记软件也是重要的一环。在长篇的思考、整体计划和头脑风暴环节，我喜欢用手机上的录音软件出门边走路散步边和自己说话，此外，在这类场景中，转写的准确度变得不是很重要，因为长篇的场景下，即使是 Whisper 模型也变得很够用。

我主要对比了两款跨平台云端服务：

Voicenotes 在开发速度和功能全面性上表现更好，提供了 RAG（个人资料库）功能，服务稳定性也相对较高。不过它的永久方案 Voicenotes Believer 已经售罄，只能选择订阅模式，而且订阅价格偏高。另外 Android 版本在现代化适配方面还有待改进，比如缺少震动反馈等细节。

相比之下，IdeaShell 的界面设计更加美观，至今仍提供永久方案，体现了小而美的产品理念，专注于核心功能。但它的服务端稳定性不够理想，经常出现转换失败的问题，功能相对简单，扩展性有限。更让人失望的是，此前承诺的 RAG 功能至今都没有实现。

作为对比，Voicenotes 的订阅方案为 15.99 美元/月，IdeaShell 为 5.99 美元/月。Voicenotes Believer 售价为 50 美元，现在已经停止售卖，IdeaShell 为 100 美元。

选择建议

如果你是英文用户： 大多数基于 Whisper 的方案甚至电脑自带的输入法都能满足需求，技术门槛也不高。

如果你主要使用中文：

预算充足：选择 Aqua Voice

追求性价比：选择 Spokenly（Mac 用户）

手机使用：微信输入法

语音笔记软件选择：

重视稳定性和功能完整性：VoiceNotes

重视界面设计和性价比：IdeaShell

总结

语音输入技术的关键在于模型质量。当技术达到一定水准时，体验会非常舒适；反之则会让人沮丧。建议在选择前充分试用各种方案的免费额度，找到最适合自己使用场景的工具。

值得注意的是，许多软件在英文识别上表现尚可，但中文支持普遍较差。选择时需要特别关注对中文的支持程度。

#Tools