2016 年,斯坦福和百度做过一项实验室研究:用户对着 iPhone 6 Plus 口述短消息,英文速度达到每分钟 153 词,而用手机键盘只有 52 词;中文是 123 对 43(Ruan et al.)。语音输入的错误也更少,不过最终留在文本里的错误稍多一些:语音输入错词率 1.30%,打字为 0.79%。
那还是十年前的识别器,在理想条件下就已经把输入速度提高到了三倍。所以没人需要再被说服"说话比打字快"。你面前真正的问题更具体,也更花钱:是每月花 $8 到 $15 订阅一款 AI 听写应用,还是直接用电脑上本来就有的麦克风键?
我们读完了主要竞品的定价页、隐私政策和文档,结论是:大多数人应该先用免费的,直到你能明确说出免费工具具体哪里做得不好,再考虑付费。付费应用确实提供了自带工具没有的东西,只是比它们宣传的要窄得多。
免费方案越来越好,新闻也印证了这一点
Nvidia 发布了 Nemotron 3.5 Transcribe,这是一个免费的开放权重模型,支持最多 40 种语言的音频转写,能处理长达一小时的录音,并能区分最多八位说话人(TechCrunch)。它是面向开发者的工具,不是听写应用,而且 TechCrunch 指出了一个与我们话题相关的缺点:它处理的是录好的音频,不支持直播流。你没法按下一个键对着它说话。
但这和我们今年一直看到的趋势一致:强大的语音模型不断以免费下载的形式出现,而套用这些模型的应用(其中不少是免费的,比如 Spokenly 和 Superwhisper 的免费版)不用花钱就能换上更好的引擎。付费应用和免费应用的差别,与其说在引擎,不如说在引擎周边的编辑功能,这一点后面细说。
苹果自己的技术栈也有进展。MacStories 拿一个基于苹果设备端 SpeechAnalyzer 和 SpeechTranscriber 的命令行工具,与 MacWhisper 的 Large V3 Turbo 模型比拼,转写一段 34 分钟的视频。苹果的 API 快了 2.2 倍,用时 45 秒,对比 1 分 41 秒,转写质量没有明显差别(MacStories)。测的是文件转写,不是听写键,所以它只能说明引擎的情况,不能说明实际使用体验。苹果最新的 Mac 指南还提到,在 macOS 27 中配合 Apple Intelligence,听写会用设备端模型改进拼写、标点和大小写,但仅限英文,且仅限搭载 M3 或更新芯片、统一内存至少 12GB 的 Mac(Apple)。
我们没有找到针对系统自带听写键(苹果、微软或谷歌的)的独立词错误率测试。这个空白很关键,也是下面准确率部分不得不引用厂商数据(并附上警示)的原因。
你的音频去了哪里
这是各个选项之间最清晰的差别,而且在每家厂商自己的文档里都写明了。
Windows 语音输入(Win+H)使用由 Azure Speech 服务提供支持的在线语音识别,所以需要联网(Microsoft)。苹果表示,你可以在键盘设置里查看通用听写是在设备上处理,还是发送到 Siri 服务器;同一页面还提到,如果你选择加入音频录音共享,苹果可能会审查其中的样本。有一项 Windows 功能改变了局面:在 Copilot+ PC 上,微软的 Fluid dictation 用设备端小语言模型在你说话时修正语法、标点和口头禅,支持英文,且默认开启。谷歌 Gboard 的帮助页介绍了命令和语言,但在我们读到的页面上没有说明音频在哪里处理。我们不去猜测。

付费应用之间的答案则是本质上的不同。Superwhisper 称其本地模型完全在你的设备上运行,"你的音频和转写文本不会离开你的设备"。如果选择云端模型,音频会发送到它的服务器,"在内存中处理,请求完成后不会存储",或者发给第三方提供商,适用该提供商自己的条款。它还表示你的数据不会被用于训练模型(Superwhisper 隐私政策)。
Wispr Flow 以云端为主。它的隐私页面说,音频通过 TLS 发送到其服务器,完成转写后删除,除非你开启云端存储。开始用之前有两个设置值得看一下。"Improve the model for everyone"(为所有人改进模型)允许 Wispr 使用你的音频、转写文本和修改记录来训练模型。页面称训练默认关闭,并在 Growth 和 Enterprise 方案中锁定为关闭,但没有说明个人方案的默认值。另外,"Context awareness"(上下文感知)会读取你正在听写的应用里的部分文本,以便把人名写对(Wispr Flow)。
如果音频隐私是你的决定性因素,我们那篇讲本地 AI 与云端 AI的文章介绍了总体取舍,讲常开录音设备的那篇则谈了录下他人声音的法律问题。
订阅真正多给你的是编辑能力
原始听写只是一份转写稿。你说"呃,那个,就是,我们应该,其实,要不把截止日期挪到周五吧",你得到的就是原样一字不差,连口头禅都在。付费应用会再跑一遍处理,把它变成你本来想写的话。

Wispr Flow 的卖点正是这个:在任何应用里说话输入,配有 AI 命令和自动编辑、词典和片段,还有一个会学习你的人名和行话的模型。Superwhisper 对应的功能在 Pro 档:Super、Mail 等 AI 模式、上下文感知和实时转写,免费方案都没有(Superwhisper 方案)。Aqua Voice 的 Pro 方案收费提供自定义指令和个人词典,语音命令和实时模式则在 Max 方案里(Aqua)。
自带工具大多只做到第一步。Apple 听写会插入标点,听得懂"换行"和"新段落"。Gboard 接受"句号""逗号"和"新段落",还可以按住一个词再说出新词来替换。Windows 有"停止听写"之类的命令。Apple 和 Gboard 就到此为止。例外是 Copilot+ PC 上的 Fluid dictation,它确实会去掉口头禅并修正语法,所以免费工具现在已经覆盖了付费应用收费内容的一部分。而自带工具的文档里都没有提到的,是改写冗长啰嗦的句子,或是维护一个你自己的人名词典。
从免费工具用户的评价里就能看出这个差距。一位 Hacker News 用户在用免费开源应用 Handy,他写道:"你没法让它帮你修正语法错误,它只是原样记录你说的话。但就这点来说,它很棒"(Hacker News)。在同一个帖子里,有人推荐了 MacWhisper,另一位回复说:"我唯一的抱怨是,设备端模型自己处理不了标点命令"(Hacker News)。
准确率:唯一的正面对比出自竞争对手之手
Superwhisper 发布了一份基准测试,涵盖 16 个语音模型、8 个数据集,包括满是公司名称的财报电话会议、即兴发言和会议录音。测试中的 Wispr Flow 关闭了整理环节,这样输出才能与逐字参考文本对照评分。综合结果显示,Superwhisper 自家的云端模型 S1 Voice 词错误率为 6.6%,Wispr Flow 的原始输出为 8.7%(Superwhisper 基准测试)。在自定义词汇的正确识别率上,Wispr 为 62.5%,Superwhisper 为 83.3%,ElevenLabs Scribe v2 和 OpenAI 的 GPT Transcribe 约为 91%。
这张表要持保留态度地看。它是 Superwhisper 做的,数据集由它挑选,还把竞争对手的产品当作黑盒、禁用了一个功能来测。不过页面上也列出了别家胜过它的项目,这一点值得肯定,而且它说代码和逐段输出都放在一个基准测试仓库里。我们没有审计过这个仓库。页面也没有说明测的是 Wispr 模型的哪个版本。Wispr 还发布了自家的语音模型 Canto,所以表里 Wispr 那一行可能不代表现在的实际表现。这些数字能支持的结论很有限:排名前五的云端模型,词错误率彼此相差大约两个百分点以内,而系统自带工具根本不在表里。
用户的看法也不都和基准测试的排序一致。一位 Hacker News 评论者在回复 Wispr 的 Canto 发布帖时写道:"我从 Superwhisper 换到 WisprFlow,再到 Spokenly,再到 Fieldwork,觉得 WisprFlow 是这 4 个里最不准的"(Hacker News)。这只是个人经历,不是测试,而且 Wispr 的发布公告引用的也是它自己的基准。口音、麦克风和词汇都不一样,所以自己测一遍胜过任何表格。
各家价格与计费方式
以下价格来自各厂商自己的页面。Wispr Flow 的 Pro 按年付费是每用户每月 $12,按月付费是 $15,免费方案把桌面端使用限制在每周 2,000 词(Wispr Flow)。Superwhisper 的 Pro 是月付 $8.49、年付 $84.99 或一次性买断 $249.99,一个许可证覆盖你所有的 Mac、Windows 电脑和手机。Aqua 的 Pro 按年付费是每月 $10,另有 1,000 个免费词可试用。MacWhisper 的 Pro 是一次性 €64(MacWhisper)。
| 应用 | 免费版 | 付费方式与价格 | 音频去向 |
|---|---|---|---|
| Apple 听写、Win+H、Gboard | 免费,系统自带 | 无 | Apple:查看设置。Windows:Azure(Fluid dictation 在设备端)。Gboard:未说明 |
| Superwhisper | 无限使用,本地 Whisper 模型,无 AI 整理 | 月付 $8.49,年付 $84.99,买断 $249.99 | 本地或云端,由你选择 |
| Wispr Flow | 桌面端每周 2,000 词 | 月付 $15,或按年付费每月 $12 | 云端 |
| Aqua Voice | 1,000 词 | 按年付费每月 $10 | Aqua 的服务器;隐私模式限制转写文本的存储 |
| MacWhisper | 免费版 | 一次性 €64 | 本地或云端模型 |
Wispr 是订阅制,免费方案每周有硬性上限,重度用户很快就会碰到天花板,然后被迫仓促做决定。Superwhisper 的免费方案完全没有上限,但也没有文本整理。买断价 $249.99,大约相当于三年的年付费用,加上 MacWhisper 的一次性费用,是这里仅有的两个不再续费的选项。对于清楚自己会长年使用听写的人,我们认为这是最划算的价格结构。学生和非营利组织如果在购买前申请,Superwhisper 可以打六折。
按你的日常用法选
先用一周系统自带的听写键。它不花钱,在每个文本框里都能用,你也能借此看出这个习惯能不能坚持下来。习惯能不能坚持,可不是在已经买了年付方案之后才想知道的事。
如果你主要听写邮件、笔记和 Slack 消息,而且原始文本就够用,那就继续用免费的。Superwhisper 免费版提供本地模型和无限听写,MacWhisper 也有同样运行本地模型的免费版,想要私密方案的 Windows 用户可以看看 Whisperstream,它做的是本地识别。
当整理文本是核心需求时再付费。如果你要口述长篇草稿、给 AI 模型的 prompt 或客户邮件,还得手动删掉"嗯"和重说的部分,订阅就更说得通。我们建议先试 Wispr Flow 的免费方案,每周 2,000 词足够你用自己的声音判断它的整理效果。如果你想要本地模型,并且一个许可证用在所有设备上,再看 Superwhisper Pro 或买断许可。想看看其他选择,可以去看 Willow Voice 和 Aqua 的页面。
这几种情况我们建议别付费:你只是零散说几句;你的 Mac 是 M3 且内存 12GB 或以上,并且运行 macOS 27(苹果设备端的拼写和标点修正可能就够了);你用的是带 Fluid dictation 的 Copilot+ PC;或者音频不能离开你的电脑,而你又不需要改写功能。另外,任何没有用你自己的行话测试过一整天的应用,我们也建议先别买。
如果你想录的是会议,而不是你自己的声音,那是另一类工具。我们的 AI 会议记录指南和顶级 AI 转写工具两篇文章对此有介绍,转写工具的 ToolRank 榜单则展示了各款工具的排名。
常见问题
Wispr Flow 值得付费吗?
如果你每周听写好几个小时,还要手动删口头禅,大概值得。按年付费每月 $12,相比省下的时间是笔小钱。如果你一天只听写几条消息,免费方案每周 2,000 词可能就够了,自带工具也够用。
Superwhisper 比 Wispr Flow 好吗?
它们适合不同的人。Superwhisper 运行本地模型,有不设上限的免费版,还有买断许可。Wispr Flow 基于云端,擅长文本整理。我们找到的唯一一份公开正面对比出自 Superwhisper 自己,所以要打折看待。
Apple 听写和 Windows 语音输入注重隐私吗?
据微软说明,Windows 语音输入使用由 Azure Speech 服务提供支持的在线语音识别,需要联网。苹果表示部分听写是在设备上处理的,并让你到键盘设置里查看自己的听写是不是这样。
这些应用在所有应用里都能用吗?
Wispr Flow 称它能在 Mac、Windows、iPhone 和 Android 上的任何应用里使用。Superwhisper 列出了 Slack、Gmail 以及任何其他网站或应用。自带工具在任何接受系统输入的文本框里都能用,不过具体表现各有差异。
听写可以完全离线运行吗?
可以。Superwhisper 的本地 Whisper 模型和 MacWhisper 都行。Windows 语音输入则需要联网。信任离线模式之前,先关掉 Wi-Fi 测试一下。
下一步:挑一个免费方案,连续五个工作日所有内容都用听写,并记下你每周实际用了多少词。如果超过 Wispr 的 2,000 词,你就找到了适合自己的方案。