macOS 語音輸入完全指南
普通人的打字速度大約是每分鐘 40 個詞，平均說話速度則在 130 到 150 詞之間。這個差距就是語音輸入存在的原因，也是越來越多 Mac 使用者每年開始採用它的原因。
但“Mac 上的語音輸入”其實可能指完全不同的東西。Apple 內建聽寫功能。第三方工具則從雲端轉寫服務，到完全在本地執行的語音引擎都有。 有些工具在所有應用裡都能用，有些只支援特定應用。有些會把你的音訊發到伺服器， 有些則把所有內容都保留在本地。
這篇指南會把這些都講清楚：現在有哪些方案、每種方式是怎麼工作的， 以及你該如何判斷哪一種更適合自己的需求。
Apple 內建聽寫
每臺 Mac 都帶有聽寫功能，位置在“系統設定 → 鍵盤 → 聽寫”。開啟後， 按下麥克風鍵（或雙擊 Fn）就可以開始說話。它在大多數原生文字輸入框裡都能工作。
但它的限制很快就會暴露出來：
- 應用支援並不穩定。 聽寫依賴標準的 macOS 文字輸入系統。Electron 應用、基於 Web 的編輯器，以及很多開發者工具， 要麼根本不支援，要麼只支援一部分。
- 沒有改寫和清理能力。 你說什麼，它就給你什麼， 填充詞、改口、半句廢話都會原樣保留。
- 依賴雲端。 增強型聽寫（本地處理選項）在 macOS Ventura 中被移除了。現在的系統聽寫預設會把音訊送到 Apple 的伺服器。
- 沒有即時回饋。 你是對著空氣說話，然後等結果返回。 中間沒有流式轉寫介面。
如果你只是在 Apple 自家的應用裡快速記幾句話，內建聽寫已經夠用。 但只要需求再複雜一點，它的上限很快就會出現。
挑選語音輸入工具時該看什麼
如果你在評估第三方方案，真正重要的維度是這些：
- 能在哪裡用。 系統級支援意味著你可以在 Slack、 VS Code、瀏覽器、終端機裡直接說話，任何你平時會打字的地方都能用。 有些工具則只能在特定應用或它自己的視窗裡工作。
- 音訊在哪裡處理。 雲端處理意味著你的語音會離開這臺機器。 裝置端處理則把所有內容都留在本地。這會直接影響隱私、延遲和離線可用性。
- 延遲。 從你開口到看到文字出現之間的時間差。 低於 1 秒會感覺是即時的。超過 2 秒就會打斷思路。
- 文字清理能力。 原始轉寫會包含所有 "um" 和沒說完的半句話。更高階的工具會提供 AI 改寫，把凌亂口語整理成乾淨文字。
- 語言支援。 你能不能在一句話中途在英文和中文之間切換？ CJK 文字規範化是否正確處理數字、貨幣和標點？
第三方工具版圖
以雲端為主的工具
像 Otter.ai 和 Wispr Flow 這樣的服務，會把音訊送到雲端伺服器處理。由於伺服器側模型更大， 它們通常能提供很高的準確率，但也要求你保持聯網、引入網路延遲， 並且把音訊交給第三方基礎設施。
基於檔案的轉寫工具
像 MacWhisper 這樣的工具，主要用於轉寫已經錄好的音訊，比如會議、Podcast、採訪。 它們在這個場景下非常強，但它們不是即時語音輸入工具。 你不能按住一個鍵說話，然後讓文字直接出現在游標位置。
裝置端、即時語音輸入
這是最新的一類。OnType 透過 MLX 在你的 Mac Apple Silicon 晶片上本地執行語音識別。音訊不會離開裝置。 無論目前焦點在哪個應用裡，文字都會在你說話時即時出現，而且是系統級可用。
這類方案過去的歷史問題是準確率：裝置端模型通常明顯弱於雲端模型。 但這個差距已經大幅縮小。經過最佳化的推理框架現在可以在 Neural Engine 上以硬體加速速度執行 Whisper 級別的模型， 在零網路延遲的前提下提供接近雲服務的準確率。
如何把語音輸入調到最好用
麥克風選擇
MacBook 內建麥克風勉強夠用。外接麥克風，即使只是一個基礎 USB 麥克風，也能減少背景噪音、提升識別準確率。如果你使用 AirPods 或藍芽耳機，要注意藍芽的 HFP 設定會在錄音時切換到較低品質的編碼。 改用非藍芽輸入裝置可以避開這個問題。
自然說話
現代語音識別最適合自然語速和自然表達。你不需要像機器人一樣逐字吐詞， 也不用刻意放慢。就像跟同事說話那樣就行。好的語音輸入工具會自動處理標點、 數字和格式，比如 "three thousand dollars" 會變成 "$3,000"， 而 "new line" 會直接插入真正的換行。
讓模式匹配任務
更高階的工具通常會提供多種輸入模式。短訊息適合快速聽寫， 長文字適合 Compose 或改寫模式，讓 AI 幫你整理口語； 雙語工作流則適合翻譯模式。讓模式和任務對上號， 是最快提升結果品質的辦法。
常見使用場景
語音輸入並不只適合打字慢的人。 開發者會用它來口述程式碼註釋、AI prompt 和文件，而不用切換思維上下文。 寫作者可以以 3 倍於打字的速度起草內容。 法律從業者會用它記錄案件筆記、起草合約，而裝置端處理可以滿足客戶保密要求。對於有 無障礙需求的使用者來說，語音輸入甚至是他們與電腦互動的主要方式。
開始使用
如果你想試試零雲端依賴的裝置端語音輸入，可以下載 OnType。在任何執行 macOS 15 或更高版本的 Apple Silicon Mac 上，裝置端引擎都是免費的。我們的 快速上手指南會帶你完成安裝和第一次聽寫。