Whisper Snapper 是独立开发者 Evan Harris 推出的原生 macOS 转录应用，可用本地 Parakeet、WhisperKit 与 Whisper 模型离线把音视频转成文字，也可自带密钥调用云端接口。它支持说话人分离、基于设备端 Llama 3.2 的摘要与翻译，并能导出 TXT、SRT、VTT、Markdown、CSV 和 PDF。
用过这个工具吗？给它评分
Whisper Snapper 是一款原生 macOS 应用，作用是把音频和视频转成文字。它通过 Mac App Store 分发，上架名称为「Whisper Snapper Transcriptions」，App Store 记录中的开发者与销售方均为 Evan Harris 个人。在 Product Hunt 上，作者对自己的介绍是「独立开发者」，这条信息很能说明产品性质：它是一位开发者做的专注型工具，而不是背后有销售团队的融资型平台。
这个背景并非无关紧要。一款由个人开发、一次性收费的转录软件，其商业动机与需要把录音放在自家服务器上才能支撑订阅收入的服务完全不同。Whisper Snapper 的整体架构正是围绕这一差异设计的：只要你愿意，转录过程可以做到完全不联网。
官网首屏的说法很直白：「The Transcription App Mac Users Deserve.」（Mac 用户应得的转录应用）。下方补充了它能处理的内容——转录视频、播客、会议、语音备忘录等，并可生成 20 多种语言的 AI 摘要与翻译，全部在你的 Mac 上私密运行。
产品名中的「Whisper」，指的是 OpenAI 发布的开源语音识别模型系列。Whisper 采用宽松的开源许可发布，任何开发者都可以合法下载模型权重、在本地运行并基于它构建产品。Whisper Snapper 做的正是这件事，同时还整合了其他来源的模型。
Whisper Snapper 不是 OpenAI 的产品，不由 OpenAI 运营，也没有任何证据显示双方存在合作、背书或从属关系。它是一款独立的第三方应用，运行的是开源许可模型。在产品名中使用模型名称在法律上很常见，在技术上这里也确实名副其实——这款应用真的在跑 Whisper。
不过有一点必须点明：该网站没有任何隶属关系或商标声明。首页反复出现 OpenAI Whisper、GPT-4o、NVIDIA Parakeet、Deepgram Nova-2 和 Llama 等名称，却没有一句「与上述公司无关联、未获其背书」的说明。这属于疏漏，而非欺骗。与之相对的是，这款应用对「哪个引擎做什么」交代得非常清楚：隐私政策直接点名 OpenAI 与 Deepgram 为第三方处理方，并附上它们各自政策的链接，完全没有把上游技术包装成自研成果的意图。因此合理的判断是：这是对开源与商业模型的坦诚封装，只是缺了一段常规免责声明，而非套壳操作。
多数转录产品要求你一次性做出选择：要么用云端服务、接受录音离开本机，要么用本地工具、忍受软件迟缓笨拙。Whisper Snapper 的立场是，这个选择应当逐个文件决定，而不是由产品替你定死。官网的表述是：需要隐私时用隐私，不需要时用速度——敏感录音全部在本机运行，追求处理速度时改用云端，每一次转录都可以重新选择。
这是理解这款应用最关键的一点。一位记者可以在上午完全离线地转录机密线人访谈，下午再把公开会议录音交给云端接口以求速度，全程使用同一个应用。
本地转录完全依靠 Mac 自身芯片运行。模型只需下载一次，此后转录工作不再需要联网。App Store 页面列出了相当完整的本地模型清单：OpenAI Whisper 的 tiny、base、small、large-v3、large-v3-turbo、distil-large-v3；NVIDIA Parakeet 的 v2（英语）、v3（25 种语言，支持说话人分离）、TDT-CTC-110M；以及阿里的 Qwen3 ASR 和负责翻译与摘要的 Llama 3.2。
提供多档 Whisper 尺寸是实用考量，而非参数表上的花架子。tiny 模型轻快，处理干净的单人语音备忘录、只求文字可检索时完全够用；large-v3 在带口音的语音、多人抢话和嘈杂环境下能力强得多，但运算负担也重得多。两者都装上，意味着可以按任务匹配模型，而不必永远承担最坏情况的算力开销。
Parakeet 由 NVIDIA 开发，属于另一条技术脉络，在 Apple 芯片上通常速度突出。其 v3 版本覆盖 25 种语言，且关键在于它能在本地完成说话人分离——这一点并非所有离线模型都能做到。
云端选项是 Whisper Snapper 在商业结构上与多数竞品不同的地方，购买前务必弄清楚。官网说明你可以使用 OpenAI Whisper、GPT-4o 或 Deepgram 云端接口来换取速度。
关键在于，这款应用并不转售接口额度给你。Product Hunt 对该应用的描述明确写着云端转录使用「个人 API 密钥」，隐私政策的表述同样毫不含糊：使用这些服务必须由你自己提供 API 密钥。
这一点带来的影响有正反两面。正面在于，你按接口方的原始费率直接付费，中间没有开发者加价，开发者也不会成为持有你音频或账单关系的中间人；反面在于，启用云端模式要求你自行去 OpenAI 或 Deepgram 注册、生成密钥并为账户充值。如果你期待的是付一次钱、云端转录就能直接可用，那并不是这里的安排。云端费用是独立的、持续的、由服务商按量计费的，完全不在这款应用的一次性价格之内。
说话人分离——标注每一句话由谁说出——是让访谈稿从一整块无差别文字变成可用材料的关键。官网的描述是：知道谁说了什么，说话人分离可通过 Deepgram、GPT-4o Transcribe 和 Parakeet v3 实现。
请注意「可通过……实现」这个限定语。分离功能并非应用内所有引擎通用，而是绑定在上述特定模型上。如果说话人标注对你的工作流不可或缺，同时又必须完全离线运行，那么 Parakeet v3 就是你必须选用的那个本地模型——另外两条路径都是云端服务。
2026 年 7 月发布的 1.7 版更新说明也记录了这方面的持续改进：修复了说话人片段筛选的缺陷，此前该缺陷会在说话人时间轴上产生虚假的短片段。虚假短片段是说话人分离最典型的失效形态，表现为系统短暂而错误地把几个词归给一位并不存在的额外说话人。这个问题被发现并修复，说明产品仍在积极维护，而不是发布后就无人问津。
1.1 版在原始转录之上叠加了第二层 AI 能力，而且不同寻常的是，这一层同样是本地运行的。
摘要由 Llama 3.2 在你自己的机器上生成。官网对该功能的描述是：一键把长达一小时的录音变成精炼摘要，由完全在你 Mac 上运行的 Llama 驱动，内容绝不离开你的设备。
翻译同理。官网承诺可将转录稿翻译为西班牙语、法语、德语、日语、中文等 20 余种语言，且全部处理均使用 Llama 在本地完成。App Store 页面给出的数字更完整也略有出入，标注为「AI 翻译——30 种语言」，并逐一列出西班牙语、法语、德语、中文、日语、韩语、葡萄牙语、意大利语、荷兰语、俄语、阿拉伯语、印地语、土耳其语、波兰语、越南语、泰语、印尼语、瑞典语、丹麦语和挪威语，同时注明无需联网。
这在架构上意义重大。不少转录应用都提供 AI 摘要，但几乎都是把已完成的转录稿发送到云端语言模型来实现。这等于悄悄抵消了本地转录的隐私价值——你的内容最终还是进了别人的服务器，只是晚了一步。用 Llama 3.2 在设备端做摘要，恰好补上了这个缺口。对于处理特权信息的人来说，这是「真正全程离线」与「看起来离线」之间的区别。
不过要合理预期质量。Llama 3.2 是为了能在消费级硬件上流畅运行而选择的小模型，它的摘要堪用、翻译达意，但在语感、习语和专业术语上都无法与前沿云端模型相比。这正是这里刻意做出的交换：以一定的质量上限，换取隐私与零边际成本。
这一节值得格外小心，因为准确率是买家最想要、而厂商最容易夸大的指标。
必须肯定的是，Whisper Snapper 在这方面相当克制。它自己那篇讲如何选择转录引擎的文章，没有公布任何词错误率、基准测试表格或准确率百分比，只用定性描述来区分引擎——把 Deepgram 形容为处理极快，把 Parakeet v2 形容为快速轻量——并给出语言覆盖数：Whisper 接口支持 99 种以上语言，Deepgram 语言数少于 Whisper（30 余种），Parakeet v3 支持 25 种语言。首页标题中的「准确转录」是营销措辞，没有附带任何数字。
这种克制比一个信心十足的统计数字更有价值：这里根本不存在需要审计的厂商准确率数据，因为厂商没有发布过。
可以评估的是底层模型本身，因为它们公开可知且有独立基准。已发表的评测显示，Whisper large-v3 在 LibriSpeech 干净音频（专业录制的朗读语音）上词错误率约为 2.7%；而在更贴近真实场景的杂乱素材上，独立测试给出的区间接近 8%–12%，某项第三方评测将 large-v3 测得 7.88% 的词错误率。研究者还记录到，large-v3 相比早期版本更容易出现幻觉，有时会产出成段连续的虚构文字，而不只是零星词误。
由此可得出三条实用结论。第一，准确率随录音条件剧烈波动，一段干净的单人录音和一场用笔记本麦克风录下的四人电话会议完全不是同一难度的任务。第二，准确率因语言而异，英语这类高资源语言的表现远好于低资源语言，「支持 99 种以上语言」描述的是覆盖范围而非各语言质量均等。第三，也是专业场景下最要紧的一点：Whisper 系模型的幻觉意味着错误未必表现为明显的乱码，模型可能生成流畅、合理、语气笃定却从未被说出口的句子。凡是要用于引用、法律文书或病历的转录内容，都必须对照音频核查。应用中的可点击时间戳，存在的意义正是让这种核查在实际操作中足够快。
对转录工具而言这是决定性的一节，因为会议录音、客户通话和线人访谈属于多数人所能产生的最敏感文件。Whisper Snapper 的隐私政策确实过硬，而且写得异常具体。
政策声明该应用不收集、不存储、不传输个人信息、使用分析或应用统计、崩溃报告或诊断数据、位置数据、设备标识符，以及任何用于广告目的的数据。其摘要部分列出「无需账户：我们不收集个人信息」和「无分析无追踪：我们不监测你的使用情况」。
不做崩溃上报与使用分析是一项实打实的承诺，而非敷衍的场面话。多数独立开发者都会保留遥测，因为那是他们发现缺陷的主要手段。放弃它，是为隐私立场付出的真实代价。
在本地转录模式下，政策的表述是绝对的：全部处理完全在你的 Mac 上进行，你的音视频文件绝不会被上传到任何地方，无需联网连接，开发者无法访问你的文件或转录内容。政策称这是「可用选项中最私密的一种」。
在云端转录模式下，政策对代价同样直言不讳：你的音频会被发送给第三方接口服务商处理。政策点名 OpenAI（Whisper 接口、GPT-4o Transcribe）与 Deepgram（Nova-2），链接到各自的隐私政策，并补充警示：使用云端服务时，你的音频受这些第三方服务商的隐私政策约束，建议在使用前先行查阅。
这正是恰当的披露方式：它没有假装云端模式也是私密的，并且直接指向真正约束这些数据的当事方。
保留期由你自己的操作决定，而非某个倒计时，因为根本不存在持有内容的服务器。政策列明：转录稿保留至你在应用内删除为止，API 密钥保留在钥匙串中直至你移除，录制的音频保留至你删除文件为止。它还提醒，删除应用会清除应用偏好设置，但转录稿与钥匙串条目可能需要单独删除——这是一条实用且常被省略的提示。
在人们最想弄清的两个问题上——我的音频是否被用于训练 AI 模型，是否会有人工收听——政策没有任何明示表述。这一点要说得精确，而不是替它往好处圆。就本地处理而言，这个问题不成立：开发者声明自己不运营任何接收或存储用户数据的服务器，因此不存在文件流向他们、进而被用于训练或审核的通路。就云端处理而言，答案也不由这款应用给出，而取决于你所提供密钥对应账户下 OpenAI 或 Deepgram 的条款。如果训练与人工审核政策对你很重要，这项确认必须到接口服务商那里、针对你所用的具体账户档位去做。
API 密钥的处理方式有明确说明：若使用云端转录服务，密钥会安全存储在 macOS 钥匙串中，开发者无法访问你的密钥或你发送的音频。应用还运行在沙盒中并启用了 Apple 的强化运行时。
有一处对不上，必须指出。隐私政策标注的更新时间是「Last Updated: December 2024」（2024 年 12 月），但 App Store 记录显示该应用的首发日期是 2025 年 12 月 17 日，整整晚了一年，而 1.7 版发布于 2026 年 7 月 23 日。
也就是说，政策所标日期早于产品公开发布。最可能的解释是笔误——把 2025 年 12 月写成了 2024 年 12 月——政策内容本身也与其他渠道对该应用的描述并无冲突。但若严格按字面理解，这份文件相对于一款此后新增了本地摘要、翻译、实时转录和五个新模型的产品而言已然过期。当法律文件与产品记录不一致时，以产品记录为准更可靠——App Store 的日期由 Apple 机器生成、无法随意修改，而政策上的日期是手工填写的。因此可将政策内容视为现行有效、将其日期视为笔误；但如果你要把它用于受监管的工作场景，应当要求开发者确认并重新标注日期。
官网面向受众的段落告诉法律与医疗从业者，使用本产品可以「满足合规要求——无第三方数据共享」。请把这句话严格限定在本地模式内理解。在本地模式下它是准确的，因为没有任何内容离开机器，自然谈不上共享；在云端模式下它并不准确，音频确实会送往第三方。这句话也不构成任何认证：产品并未发布 HIPAA 证明、SOC 2 报告，也未提供业务伙伴协议。对受监管的工作而言，本地模式在架构上站得住脚，但这句营销语句不能替代你自己的合规评估。
商业模式非常直白，其核心卖点就是没有订阅。官网写明：可永久免费试用，或一次性升级到 Pro，永不订阅。
App Store 记录确认该应用的下载价格为免费（价格字段为 0.00 美元）。包括 Product Hunt 报道在内的多个第三方来源指出，Pro 升级为一次性 9.99 美元买断，无重复扣费。
关于这个数字有两点须如实说明。其一，9.99 美元并未印在官网首页上，首页只写了「Pro 一次性」而没有具体金额；该数字来自第三方收录与应用内购买，因此购买前请在 App Store 核实当前价格，开发者随时可能调整。其二，App Store 查询记录中没有返回逐项的内购清单，因此免费档与 Pro 档之间的功能划分并没有可供公开核实的文档。哪些功能永久免费、哪些需要升级，建议直接安装应用确认——安装本身不花钱。
这套经济账仍然值得留意。订阅制转录服务通常按月或按分钟收费。约十美元的一次性付费，加上本地模型每小时运行成本为零，意味着重度用户的边际成本基本为零。每周要转录数小时的人，相对按量计费的服务往往几天内就能回本。需要再次提醒的反向因素是：云端模式的接口费用由你自行承担，且不受这款应用的额度限制。
这是这款应用最硬的一道门槛，会把相当大一部分潜在用户挡在门外。
Whisper Snapper 仅支持 macOS。没有 Windows 版，没有 Linux 版，没有 iPhone 或 iPad 应用，没有网页版，也没有公开 API。App Store 记录将其归类为 Mac 软件，App Store 是唯一分发渠道。
系统版本要求异常激进。App Store 记录中列出的最低系统版本为 26.0，也就是相当新的一版 macOS。许多仍在正常使用较旧系统的 Mac，必须先升级操作系统才能安装。把这款工具纳入计划之前，请先确认你的 macOS 版本——单是这一条，就比其他任何因素排除了更多潜在用户。
App Store 记录中其他可核实的细节：下载体积约 30.4 MB（30,431,988 字节），内容分级为 4+，主分类为「工具」、次分类为「商务」，当前版本 1.7 于 2026 年 7 月 23 日发布，首发版本为 2025 年 12 月 17 日。
应用自身的界面语言列表只包含英语。请勿将此与转录语言覆盖混为一谈：这款应用可转录并翻译多种语言，但它的菜单和按钮只有英文。
支持导入的格式为 MP4、MOV、M4A、MP3 和 WAV。应用还内置录音器，可直接录制而不必先在别处录好再导入。
2026 年 7 月的更新说明所描述的是一次实质性升级，而非例行修补。领衔的是实时转录：可边录边转，并支持在多段录制之间暂停与继续，全部呈现在同一条波形时间轴上。实时转录与批量文件处理是显著不同的能力，而跨多段录制的暂停/继续对访谈工作是很贴心的设计。
同一版本还新增了五个本地模型——Cohere Transcribe（14 种语言）、Parakeet 日语版、Parakeet v3 INT4、SenseVoice，以及一个支持 83 种语言的 Nemotron 多语种流式模型；重建了模型下载系统以提升可靠性；并做了多项性能改进，包括后台转录稿搜索、Cohere 直接走 Apple 神经网络引擎，以及长音频改为逐块处理而非一次性全部载入。
最后这项改动的意义容易被低估。分块处理正是防止长录音耗尽内存的手段，这说明开发者在修复真实用户处理超长文件时反馈的问题。
无法离开应用的转录稿用途有限，而这里的导出覆盖相当广。官网列出的格式为：TXT、SRT、VTT、Markdown、CSV 和 PDF，可用于制作视频编辑用字幕或格式化文档。
每种格式都对应真实的下游用途。SRT 与 VTT 是字幕格式，可直接投入视频编辑软件——官网引用的一位播客剪辑师称，SRT 导出可以直接拖进 Final Cut。Markdown 适合笔记应用与发布流程。CSV 打开了表格分析的可能，这对需要给访谈资料做质性编码的研究者很重要。PDF 产出可直接分发的格式化文档。TXT 则是万能兜底。
在应用内处理转录稿同样得到支持。App Store 页面描述了可点击时间戳以在长录音中定位、转录稿内即时搜索、应用内编辑与润色，以及所有转录稿通过 SwiftData 本地保存。
结合前文提到的幻觉风险，可点击时间戳尤其值得强调：能点一行文字就跳到音频中对应时刻，正是让核查快到「愿意真的去做」的关键机制。应用内编辑则让你当场修正发现的问题，无需导出到别的程序、也不至于丢失与音频的对应关系。
上手流程被刻意压到最简：拖进来、放下、完成，无需账户、无需复杂设置、无需教程；只要会拖文件，就会转录。不要求账户这一点与它的无服务器架构一致——本来就没有可供注册的服务器。
批量处理同样支持，可一次加入多个文件并按文件跟踪进度。如果你要清理的是一批积压录音而非单个文件，这一点很关键。
官网列出了六类受众，值得逐一审视而非照单全收。
记者与研究者是最契合的一类。官网所述的好处——转录访谈而无需把敏感线人材料上传云端——回应的是一项真实的职业义务。保护消息来源对记者而言不是偏好，而可能是伦理甚至法律责任。全程本地、无服务器组件，是对这项义务的实质回应，而不是营销姿态。
法律与医疗从业者是第二契合的一类，但需带上前文的限定：仅限本地模式，且营销中的合规表述不等于认证。
播客主与内容创作者的主要收益来自说话人分离加 SRT 导出。转录多主持人节目、自动获得说话人标注、把字幕拖进剪辑软件——这套流程正是这款工具的形状。
学生与教师能获得课堂录音转录与本地摘要，但这一群体尤其要掂量 macOS 26 的门槛，因为学生设备往往偏旧。
商务与远程团队可以用它记录会议纪要，但要注意这是一款单用户桌面应用：没有共享工作区，没有团队计费，没有协同编辑，也没有能自动加入通话的会议机器人。所谓共享，就是导出文件再发给对方。需要一体化协作的团队应另寻方案。
无障碍场景——为听障受众制作字幕——由字幕导出格式很好地支撑，但照例提醒：机器字幕在发布前需要人工校对。
不该选它的人：所有不使用较新 Mac 的人、需要移动端录制的人、需要 API 接入自动化流程的人、需要团队协作功能的人，以及希望云端转录开箱即用、不想自行申请接口账户的人。
集中列在一处，避免任何一条被淹没：
平台锁定。 仅支持 macOS，最低系统 26.0。无 Windows、Linux、iOS、Android 或网页版。这是最大的单项限制。
没有 API。 无法把它接入服务端自动化流程，它是一款交互式桌面应用。
云端模式需自带密钥。 需要单独的 OpenAI 或 Deepgram 账户，费用由你承担，且不受应用限额约束。
说话人分离依赖特定模型。 仅 Deepgram、GPT-4o Transcribe 与 Parakeet v3 提供；离线分离只能用 Parakeet v3。
本地模型表现取决于你的硬件。 大号 Whisper 模型开销很大，在较旧或配置较低的 Mac 上，large-v3 会很慢。应用无法让你的机器变快，只能让你换用更小的模型。
存储开销。 本地模型必须下载并占用磁盘。30.4 MB 是安装包体积而非模型体积，完整的本地模型集合占用要大得多。
摘要与翻译质量受小模型上限约束。 设备端运行的 Llama 3.2 无法与前沿云端模型相比。
缺乏独立评价样本。 App Store 记录显示用户评分数为 0，且无平均分。产品在 G2、Capterra、Trustpilot 上均无收录，也没有主流科技媒体报道。Product Hunt 提供了 139 个赞与当日第 7 名的成绩，这是真实但有限的信号。官网上的用户评价只有名字与职业，无法独立核实。对一款年轻的独立应用来说这很正常，但这意味着你主要是在依据免费档的实际体验做判断，而不是依据成熟的口碑共识。
界面仅有英文，与转录语言覆盖无关。
准确率天然波动，且 Whisper 系模型的幻觉会让错误看起来很流畅。凡要引用的内容务必核对。
隐私政策的日期与产品时间线不一致，详见前文。
有几个务实的习惯能明显改善结果。
先用免费档试，再决定是否付费；而且要用你自己最难处理的那段音频测试，而不是干净的示例。真正让你头疼的那段录音，才决定这款工具对你是否有用。
按素材匹配模型。干净的单人音频、追求速度时用小号本地模型；把 large-v3 留给带口音、有抢话或背景嘈杂的困难录音。
逐个文件、有意识地决定隐私模式。这套架构的全部意义就在于该选择是按次进行的，请主动做判断，而不是听凭默认。
先改善输入，再去怪模型。一支外接麦克风、一个更安静的房间、以及说话人之间不抢话，对准确率的提升胜过任何模型升级。
访谈类内容一开始就用支持分离的引擎打开说话人标注。事后手工补标注，比自动获取慢得多。
引用之前先核实。用可点击时间戳抽查你打算发表、引用或存档的每一段内容。
若使用云端模式，请在接口服务商处设置支出上限。应用不会限制你的用量，而批量转录积压素材的计费会累积得很快。
不是。它是一款独立的 macOS 应用，App Store 记录中的开发者与销售方均为 Evan Harris。名字中的「Whisper」指的是 OpenAI 以开源许可发布的语音识别模型，这款应用在运行它的同时也整合了 NVIDIA、Deepgram、Cohere、阿里和 Meta 的模型。没有任何证据显示存在合作或背书关系。该网站没有明确的隶属关系声明，这一点值得指出；但除此之外，它对所使用的第三方引擎交代得很清楚，并直接链接到对方的政策文件。
只有当你主动选择云端引擎时才会。使用本地模型时，隐私政策明确写着你的音视频文件绝不会被上传到任何地方，也无需联网。若你选用 OpenAI 或 Deepgram 的云端转录，音频则会被发送给第三方接口服务商处理。这个选择是按每次转录做出的，因此控制权在你手里、可逐个文件决定。
不存在服务器端的保留期，因为开发者声明自己不运营任何接收用户数据的服务器。所有内容都留在你自己的机器上直到你删除为止：转录稿保留至你在应用内删除，录制音频保留至你删除文件，API 密钥保留在钥匙串中直至你移除。请注意，卸载应用并不会自动清除转录稿和钥匙串条目。
隐私政策对这两点都没有明确表述。就本地处理而言这个问题不成立——开发者不运营服务器，因此不存在文件流向他们的通路。就云端处理而言，答案由你所提供密钥对应账户下 OpenAI 或 Deepgram 的条款决定，而非由这款应用决定。如果训练与人工审核政策对你重要，请到接口服务商处、针对你的具体账户档位去核实。
应用可从 Mac App Store 免费下载，开发者的立场是永久免费试用、或一次性升级 Pro、永不订阅。第三方收录显示 Pro 升级为一次性 9.99 美元。该数字并未印在官网首页，因此请在 App Store 核实当前价格。若你启用云端接口，其用量费用由 OpenAI 或 Deepgram 另行计费，不包含在内。
只有运行 macOS 26.0 或更高版本的 Mac 才行，这是 App Store 记录中的最低系统版本。没有 Windows、Linux、iOS、Android 或网页版，也没有 API。这道门槛会排除相当多本来性能尚可的机器，所以请先确认你的 macOS 版本。
开发者没有公布任何准确率百分比，这比编一个数字要诚实。准确率取决于你选的模型、音频质量和语言。对 Whisper large-v3 的独立基准测试显示，在录音室级别的朗读语音上词错误率约 2.7%，而在贴近真实的录音上约为 8%–12%。研究者还记录到这一模型系列可能生成从未被说出口的流畅文字，因此凡要引用或存档的段落都应对照音频核查。
可以，但只限特定引擎。说话人分离可通过 Deepgram、GPT-4o Transcribe 和 Parakeet v3 实现。如果你既需要说话人标注又要保持完全离线，那就必须使用 Parakeet v3，因为另外两个选项都是云端服务。1.7 版还修复了会产生虚假短片段的缺陷。
导出覆盖 TXT、SRT、VTT、Markdown、CSV 和 PDF，足以应对视频字幕、笔记、表格和可分发文档等用途。导出之前，你可以在应用内编辑转录稿、即时搜索内容，并用可点击时间戳跳转到对应音频——这正是核查存疑内容最实用的方式。
可以，而且这一点并不常见。两者都由设备端的 Llama 3.2 驱动，App Store 页面在其翻译语言清单中明确标注无需联网。多数同类应用会把转录稿发到云端模型做摘要，这会悄悄削弱本地转录带来的隐私优势。代价是设备端的小模型在语感和专业术语上无法与前沿云端模型相比。
