macOS 语音输入完全指南
普通人的打字速度大约是每分钟 40 个词，平均说话速度则在 130 到 150 词之间。这个差距就是语音输入存在的原因，也是越来越多 Mac 用户每年开始采用它的原因。
但“Mac 上的语音输入”其实可能指完全不同的东西。Apple 自带听写功能。第三方工具则从云端转写服务，到完全在本地运行的语音引擎都有。 有些工具在所有应用里都能用，有些只支持特定应用。有些会把你的音频发到服务器， 有些则把所有内容都保留在本地。
这篇指南会把这些都讲清楚：现在有哪些方案、每种方式是怎么工作的， 以及你该如何判断哪一种更适合自己的需求。
Apple 自带听写
每台 Mac 都带有听写功能，位置在“系统设置 → 键盘 → 听写”。打开后， 按下麦克风键（或双击 Fn）就可以开始说话。它在大多数原生文本输入框里都能工作。
但它的限制很快就会暴露出来：
- 应用支持并不稳定。 听写依赖标准的 macOS 文本输入系统。Electron 应用、基于 Web 的编辑器，以及很多开发者工具， 要么根本不支持，要么只支持一部分。
- 没有改写和清理能力。 你说什么，它就给你什么， 填充词、改口、半句废话都会原样保留。
- 依赖云端。 增强型听写（本地处理选项）在 macOS Ventura 中被移除了。现在的系统听写默认会把音频发送到 Apple 的服务器。
- 没有实时反馈。 你是对着空气说话，然后等结果返回。 中间没有流式转写界面。
如果你只是在 Apple 自家的应用里快速记几句话，自带听写已经够用。 但只要需求再复杂一点，它的上限很快就会出现。
挑选语音输入工具时该看什么
如果你在评估第三方方案，真正重要的维度是这些：
- 能在哪里用。 系统级支持意味着你可以在 Slack、 VS Code、浏览器、终端里直接说话，任何你平时会打字的地方都能用。 有些工具则只能在特定应用或它自己的窗口里工作。
- 音频在哪里处理。 云端处理意味着你的语音会离开这台机器。 设备端处理则把所有内容都留在本地。这会直接影响隐私、延迟和离线可用性。
- 延迟。 从你开口到看到文字出现之间的时间差。 低于 1 秒会感觉是即时的。超过 2 秒就会打断思路。
- 文本清理能力。 原始转写会包含所有 "um" 和没说完的半句话。更高级的工具会提供 AI 改写，把凌乱口语整理成干净文本。
- 语言支持。 你能不能在一句话中途在英文和中文之间切换？ CJK 文本规范化是否正确处理数字、货币和标点？
第三方工具版图
以云端为主的工具
像 Otter.ai 和 Wispr Flow 这样的服务，会把音频发送到云端服务器处理。由于服务器侧模型更大， 它们通常能提供很高的准确率，但也要求你保持联网、引入网络延迟， 并且把音频交给第三方基础设施。
基于文件的转写工具
像 MacWhisper 这样的工具，主要用于转写已经录好的音频，比如会议、播客、采访。 它们在这个场景下非常强，但它们不是实时语音输入工具。 你不能按住一个键说话，然后让文字直接出现在光标位置。
设备端、实时语音输入
这是最新的一类。OnType 通过 MLX 在你的 Mac Apple Silicon 芯片上本地运行语音识别。音频不会离开设备。 无论当前焦点在哪个应用里，文字都会在你说话时实时出现，而且是系统级可用。
这类方案过去的历史问题是准确率：设备端模型通常明显弱于云端模型。 但这个差距已经大幅缩小。经过优化的推理框架现在可以在 Neural Engine 上以硬件加速速度运行 Whisper 级别的模型， 在零网络延迟的前提下提供接近云服务的准确率。
如何把语音输入调到最好用
麦克风选择
MacBook 自带麦克风勉强够用。外接麦克风，即使只是一个基础 USB 麦克风，也能减少背景噪音、提升识别准确率。如果你使用 AirPods 或蓝牙耳机，要注意蓝牙的 HFP 配置会在录音时切换到较低质量的编码。 改用非蓝牙输入设备可以避开这个问题。
自然说话
现代语音识别最适合自然语速和自然表达。你不需要像机器人一样逐字吐词， 也不用刻意放慢。就像跟同事说话那样就行。好的语音输入工具会自动处理标点、 数字和格式，比如 "three thousand dollars" 会变成 "$3,000"， 而 "new line" 会直接插入真正的换行。
让模式匹配任务
更高级的工具通常会提供多种输入模式。短消息适合快速听写， 长文本适合 Compose 或改写模式，让 AI 帮你整理口语； 双语工作流则适合翻译模式。让模式和任务对上号， 是最快提升结果质量的办法。
常见使用场景
语音输入并不只适合打字慢的人。 开发者会用它来口述代码注释、AI prompt 和文档，而不用切换思维上下文。 写作者可以以 3 倍于打字的速度起草内容。 法律从业者会用它记录案件笔记、起草合同，而设备端处理可以满足客户保密要求。对于有 无障碍需求的用户来说，语音输入甚至是他们与电脑交互的主要方式。
开始使用
如果你想试试零云端依赖的设备端语音输入，可以下载 OnType。在任何运行 macOS 15 或更高版本的 Apple Silicon Mac 上，设备端引擎都是免费的。我们的 快速上手指南会带你完成安装和第一次听写。