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