ความเป็นส่วนตัวของเสียง: ทำไมเราจึงเลือกสถาปัตยกรรมแบบโลคอล
Whisper Notes บันทึกและถอดเสียงบันทึกเสียงบนอุปกรณ์เอง โดยไม่อัปโหลดอะไรเลย
บันทึกเสียงนั้นแตกต่าง
บันทึกเสียงมักยุ่งเหยิง ไม่ผ่านการกลั่นกรอง และเป็นเรื่องส่วนตัว มันจับความคิดที่กำลังก่อตัว: ไอเดียก่อนถูกขัดเกลา ความหงุดหงิดก่อนถูกจัดการ และข้อสังเกตก่อนถูกจัดโครงสร้าง ความดิบนั้นเองคือสิ่งที่ทำให้มันมีประโยชน์
เมื่อคุณอัดบันทึกเสียง คุณมักกำลังพูดกับตัวเอง ความใกล้ชิดของช่วงเวลานั้น—ประโยคที่พูดค้างไว้ การพูดออกนอกเรื่อง ความตรงไปตรงมาโดยไม่ระวังตัว—สมควรได้รับความเคารพในวิธีที่มันถูกจัดการทางเทคนิค
เรื่องของสุขอนามัยดิจิทัล
เสียงของคุณคือตัวระบุไบโอเมตริก ต่างจากรหัสผ่าน คุณไม่สามารถรีเซ็ตมันได้ นั่นไม่ได้ทำให้บันทึกเสียงทุกชิ้นเป็นข้อมูลอ่อนไหวสูง แต่ก็เป็นเหตุผลที่ดีที่จะคิดว่าไฟล์เสียงดิบถูกประมวลผลและจัดเก็บไว้ที่ไหน
การประมวลผลบนคลาวด์นั้นสมเหตุสมผลสำหรับการบันทึกทั่วไปหลายกรณี แต่สำหรับการไตร่ตรองส่วนตัว บันทึกทางวิชาชีพ หรือบทสนทนากับลูกค้า การเก็บเสียงดิบให้พ้นจากเซิร์ฟเวอร์ของบุคคลที่สามช่วยลดจำนวนสถานที่ที่สำเนาอาจไปอยู่ได้
เราสร้าง Whisper Notes ขึ้นรอบทางเลือกนั้น: การบันทึก การถอดเสียง และการจัดเก็บทั้งหมดสามารถอยู่บนอุปกรณ์ของคุณได้
สถาปัตยกรรม
Whisper Notes รันเอนจินรู้จำเสียงพูดสามตัวโดยตรงบนฮาร์ดแวร์ของคุณ: โมเดล Parakeet ในตัว (Parakeet Ultra ของ Moondream ซึ่งเทรนต่อยอดจาก NVIDIA Parakeet V3), Whisper (Whisper Large V3 Turbo บน Mac และ Whisper Small บน iPhone) และ SenseVoice บน iOS 26 และ macOS 26 ใช้ Apple Speech ได้ด้วย และบน Mac ยังมี Qwen3-ASR 1.7B (ยังเป็น Beta) ไม่มีเซิร์ฟเวอร์ถอดเสียง การบันทึกของคุณถูกประมวลผลในเครื่อง
ทั้ง Mac และ iPhone มีเอนจินสามตระกูลนี้ โดยรันไทม์ถูกปรับจูนให้เหมาะกับแต่ละแพลตฟอร์ม:
Mac: เลือกเอนจินตามภาษา
Parakeet เป็นค่าเริ่มต้นสำหรับภาษาอังกฤษและภาษายุโรปอีก 24 ภาษา SenseVoice เป็นตัวเลือกความเร็วสูงสำหรับภาษา CJK ส่วน Whisper Large V3 Turbo เป็นโมเดลขนาด 809M พารามิเตอร์สำหรับภาษาที่เหลือในชุดมากกว่า 100 ภาษาของ Whisper ทั้งสามตัวรันบน Apple Silicon
ตัวเลือกโมเดลทำให้การแลกเปลี่ยนชัดเจน: Parakeet และ SenseVoice เน้นความเร็วในกลุ่มภาษาของตัวเอง ส่วน Whisper เน้นความครอบคลุมที่กว้างกว่า
iPhone: ชุดโมเดลเดียวกัน ปรับแต่งสำหรับมือถือ
อุปกรณ์มือถือมีข้อจำกัดด้านความร้อน แบตเตอรี่ และหน่วยความจำที่เข้มงวดกว่า แอป iPhone เวอร์ชันปัจจุบันยังคงมี Parakeet, Whisper และ SenseVoice โดยแต่ละตัวใช้รันไทม์ที่ปรับแต่งมาสำหรับ iPhone
ภาษาไทยถอดเสียงด้วย Whisper ซึ่งถอดเสียงยาว 5 นาทีเสร็จในราว 38 วินาทีบน iPhone 12 mini ที่ออกในปี 2020 โทรศัพท์รุ่นใหม่กว่าจะเร็วกว่านี้ และการประมวลผลอยู่บนอุปกรณ์เสมอ
ออกแบบมาเพื่อความเร็ว
ไอเดียมักมาตอนเดินหรือตอนกำลังจะหลับ แตะวิดเจ็ตหน้าจอล็อกครั้งเดียว แอปจะเปิดขึ้นและเริ่มบันทึกทันที
แตะวิดเจ็ตหน้าจอล็อกครั้งเดียว Whisper Notes จะเปิดขึ้นและเริ่มบันทึก
- • เปิดใช้งานด้วยการแตะครั้งเดียว: แตะวิดเจ็ตบนหน้าจอล็อกครั้งเดียว Whisper Notes จะเปิดขึ้นและเริ่มบันทึก
- • Live Activity: การยืนยันด้วยภาพของระยะเวลาการบันทึกบน Dynamic Island
เวิร์กโฟลว์จับความคิด-ทบทวน
เวิร์กโฟลว์บันทึกเสียงที่ได้ผลที่สุดคือการแยกการจับความคิดออกจากการทบทวน อุปกรณ์มือถือเก่งเรื่องการบันทึกอย่างรวดเร็ว ส่วนสภาพแวดล้อมเดสก์ท็อปเก่งเรื่องการแก้ไขเชิงลึก
iPhone: จับความคิด
ใช้ iPhone เพื่อจับความคิดทันทีที่มันผุดขึ้นมา วิดเจ็ตหน้าจอล็อกลดแรงเสียดทานเหลือเพียงการแตะครั้งเดียว โมเดลบนมือถือถอดเสียงทันที ให้ข้อความที่ใช้งานได้ในทันใด ส่วนไฟล์เสียงที่บันทึกจากที่อื่น ส่งผ่านคำสั่ง "ถอดเสียงไฟล์เสียง" ในแอปคำสั่งลัดได้ ซึ่งรับไฟล์เสียงแล้วส่งข้อความกลับมา
Mac: ทบทวน
บน Mac, Whisper Notes มีเครื่องมือสำหรับงานเชิงลึก:
- • เลือกโมเดลได้: ใช้ Parakeet, SenseVoice หรือ Whisper ตามภาษาของการบันทึก
- • ย่อหน้าพร้อมไทม์สแตมป์: คลิกย่อหน้าใดก็ได้เพื่อข้ามไปยังช่วงเวลานั้นในไฟล์เสียง
- • การเล่นแบบซิงโครไนซ์: ข้อความถูกไฮไลต์ตามเสียงที่เล่น
- • ส่งออกได้ยืดหยุ่น: ข้อความธรรมดา รูปแบบพร้อมไทม์สแตมป์ หรือคำบรรยาย SRT และ VTT
- • ไฟล์ Markdown: ข้อความถอดเสียงทุกชิ้นจะถูกบันทึกเป็นไฟล์ .md ไว้ข้างไฟล์เสียงด้วย ในโฟลเดอร์ที่คุณเลือก (ใช้ vault ของ Obsidian ก็ได้)
- • การป้อนตามคำบอกทั่วทั้งระบบ: กด Fn ค้างไว้เพื่อพูดข้อความลงในแอปใดก็ได้โดยตรง
บทถอดเสียงพร้อมไทม์สแตมป์และการเล่นเสียงแบบซิงโครไนซ์
พูดได้อย่างอิสระ
สถาปัตยกรรมนี้ยังเปลี่ยนวิธีที่บางคนใช้เครื่องบันทึกเสียงด้วย
หากเสียงไม่เคยออกจากอุปกรณ์ คุณก็บันทึกความคิดที่ยังไม่สมบูรณ์ ความหงุดหงิด ไอเดียดิบ หรือเรื่องงานที่ละเอียดอ่อนได้ โดยไม่ต้องกังวลว่าใครจะได้ยินในภายหลัง
มันคล้ายกับการเขียนลงสมุดโน้ตกระดาษ: การรู้ว่าสำเนาเพียงชิ้นเดียวอยู่ที่ไหน ทำให้พูดอย่างตรงไปตรงมาได้ง่ายขึ้น
โมเดลทางเศรษฐกิจ
Whisper Notes เป็นการซื้อครั้งเดียว ไม่มีค่าสมัครสมาชิก บน iPhone จ่ายครั้งเดียว $7.99 บน Mac ใช้ฟรีสัปดาห์ละ 5,000 คำ จากนั้นจ่ายครั้งเดียว $14
ไม่มีการสมัครสมาชิก ไม่มีค่าธรรมเนียมรายนาที ไฟล์ละไม่เกิน 24 ชั่วโมง
Whisper Notes กับ Whisper Memos: ไม่ใช่แอปเดียวกัน
ขอชี้แจงให้ชัดเจน เพราะชื่อชวนให้สับสนได้ง่าย: Whisper Memos เป็นผลิตภัณฑ์คนละตัวจากนักพัฒนาคนละราย ทั้งคู่สร้างขึ้นบน Whisper ของ OpenAI แต่สถาปัตยกรรมนั้นตรงกันข้ามกัน นโยบายความเป็นส่วนตัวของ Whisper Memos ระบุว่าการถอดเสียงต้องส่งไฟล์เสียงไปยัง OpenAI ส่วน Whisper Notes ไม่มีเซิร์ฟเวอร์ถอดเสียง: เสียงของคุณถูกบันทึก ถอดเสียง และจัดเก็บบนอุปกรณ์ของคุณเท่านั้น
| Whisper Notes | Whisper Memos | |
|---|---|---|
| สถานที่ประมวลผลเสียง | 100% บนอุปกรณ์ | คลาวด์ — เสียงถูกส่งไปยัง Whisper API ของ OpenAI |
| โมเดลราคา | จ่ายครั้งเดียว: iPhone $7.99; Mac ใช้ฟรีสัปดาห์ละ 5,000 คำ แล้วจ่าย $14 | $10/เดือน หรือ $60/ปี เรียกเก็บเป็นรายปี |
| แพลตฟอร์ม | iPhone, Apple Watch และ Mac (Apple Silicon) | iPhone และ Apple Watch |
| ทำงานออฟไลน์ | ใช่ — ไม่ต้องใช้อินเทอร์เน็ตเลยแม้แต่ครั้งเดียว | ไม่ — การถอดเสียงต้องเชื่อมต่อกับบริการคลาวด์ |
ทั้งสองแอปบันทึกเสียงบน Apple Watch ได้ ใน Whisper Notes แตะนาฬิกาครั้งเดียวก็เริ่มบันทึก ไฟล์เสียงจะส่งไปยัง iPhone เมื่ออยู่ใกล้กัน และถอดเสียงเมื่อคุณเปิด Whisper Notes เสียงจึงอยู่แต่บนอุปกรณ์ของคุณเอง หากต้องการให้ส่งบทถอดเสียงเข้าอีเมล Whisper Memos คือเครื่องมือคลาวด์ที่สร้างมาเพื่อสิ่งนั้นโดยเฉพาะ — แต่หากสิ่งสำคัญที่สุดของคุณคือเสียงต้องไม่ออกจากอุปกรณ์ มีเพียงการประมวลผลในเครื่องเท่านั้นที่รับประกันได้
แตะนาฬิกาครั้งเดียวก็เริ่มบันทึก แล้ว iPhone จะถอดเสียงเมื่อคุณเปิด Whisper Notes
การแลกเปลี่ยน
การประมวลผลในเครื่องมีการแลกเปลี่ยนที่แท้จริงซึ่งควรทำความเข้าใจ:
ข้อควรพิจารณา
- • ความเร็วการประมวลผล: ความเร็วขึ้นอยู่กับโมเดลและอุปกรณ์ ภาษาไทยถอดเสียงด้วย Whisper ซึ่งถอดเสียงยาว 5 นาทีเสร็จในราว 38 วินาทีบน iPhone 12 mini ที่ออกในปี 2020 และ iPhone รุ่นใหม่กว่าจะเร็วกว่านี้
- • ความแม่นยำ: กับเสียงพูดที่ชัดเจน อัตราความผิดพลาดต่ำกว่า 10% สำเนียงที่หนักหรือเสียงรบกวนพื้นหลังดังอาจต้องแก้ไขบ้าง
- • แพลตฟอร์ม: Mac ที่ใช้ Apple Silicon หรือ iOS 18 ขึ้นไป แนะนำ iPhone 12 ขึ้นไป ไม่มีเวอร์ชัน Android หรือ Windows
- • เวิร์กโฟลว์การบันทึก: บน iPhone โมเดล Parakeet ในตัวจะแสดงข้อความระหว่างที่บันทึกใน 25 ภาษาในยุโรป ส่วนภาษาอื่น เช่น ภาษาไทย ที่ใช้โมเดลอื่น บันทึกเสียงจะถูกถอดเสียงเมื่อคุณกดหยุด บน Mac การป้อนตามคำบอกทั่วทั้งระบบด้วยปุ่ม Fn เป็นฟีเจอร์แยกต่างหากสำหรับการป้อนเสียงสั้นๆ ในแอปใดก็ได้ ส่วนบน iPhone แป้นพิมพ์เสียงทำแบบเดียวกันได้ในทุกแอป แต่รองรับเฉพาะ 25 ภาษาในยุโรป ซึ่งไม่รวมภาษาไทย
เมื่อใดที่แนวทางนี้เหมาะสม
Whisper Notes ทำงานได้ดีสำหรับ:
- • มืออาชีพที่ใส่ใจความเป็นส่วนตัว: กฎหมาย การแพทย์ สื่อสารมวลชน การบำบัด
- • การไตร่ตรองส่วนตัว: การเขียนบันทึก การจับไอเดีย การเรียบเรียงความคิด
- • สภาพแวดล้อมออฟไลน์: เครื่องบิน สถานที่ที่มีการรักษาความปลอดภัย การเชื่อมต่อที่ไม่เสถียร
- • ผู้ใช้ที่เหนื่อยหน่ายกับการสมัครสมาชิก: จ่ายครั้งเดียว เข้าถึงได้ถาวร
เมื่อใดควรพิจารณาทางเลือกอื่น
บริการคลาวด์อาจดีกว่าหากคุณต้องการ:
- • การถอดเสียงแบบเรียลไทม์ที่แชร์ร่วมกับทีม
- • การประมวลผลทันทีสำหรับการบันทึกที่ยาวมาก
- • การรองรับ Android หรือ Windows
สรุป
Whisper Notes สร้างขึ้นบนหลักการง่ายๆ: บันทึกเสียงเป็นเรื่องส่วนตัว และคุณควรควบคุมได้ว่าเสียงนั้นอยู่ที่ไหน สถาปัตยกรรมแบบ local-first รักษาทางเลือกนั้นไว้ให้คุณ โดยไม่ได้อ้างว่าเครื่องมือคลาวด์ผิดสำหรับทุกเวิร์กโฟลว์
Parakeet, Whisper และ SenseVoice มีให้ใช้ทั้งบน Mac และ iPhone ทั้งสองแพลตฟอร์มประมวลผลการบันทึกแบบออฟไลน์ทั้งหมด
บน iPhone จ่ายครั้งเดียว $7.99 บน Mac ใช้ฟรีสัปดาห์ละ 5,000 คำ จากนั้นจ่ายครั้งเดียว $14 ไม่ว่าแบบไหน เสียงของคุณก็อยู่บนอุปกรณ์ของคุณ
คำถามที่พบบ่อย
แอปบันทึกเสียงที่เป็นส่วนตัวที่สุดคืออะไร?
แอปที่ไม่มีวันอัปโหลดเสียงของคุณ Whisper Notes บันทึกและถอดเสียงบนอุปกรณ์ทั้งหมดด้วย Parakeet, Whisper หรือ SenseVoice ไม่มีเซิร์ฟเวอร์ถอดเสียง ดังนั้นการบันทึกจึงถูกประมวลผลในเครื่องและไม่ถูกส่งออกไปเพื่อถอดเสียงเลย
ฉันสามารถถอดเสียงบันทึกเสียงโดยไม่ต้องเชื่อมต่ออินเทอร์เน็ตได้ไหม?
ได้ Whisper Notes ประมวลผลทุกอย่างในเครื่องทั้งบน Mac และ iPhone — ด้วยโมเดล Parakeet, Whisper และ SenseVoice ที่รันบนอุปกรณ์ — จึงใช้งานได้บนเครื่องบิน ในสถานที่ที่มีการรักษาความปลอดภัย และทุกที่ที่การเชื่อมต่อไม่เสถียร
การถอดเสียงของแอพเสียงบันทึกใน iOS 18 ทำงานออฟไลน์หรือไม่?
ใช่ ฟีเจอร์ถอดเสียงในแอพเสียงบันทึกของ Apple ใน iOS 18 ขึ้นไปก็รันบนอุปกรณ์เช่นกัน Whisper Notes ต้องใช้ iOS 18 เช่นเดียวกัน แต่เพิ่มการนำเข้าไฟล์เสียงใดก็ได้ Whisper ที่รองรับประมาณ 100 ภาษา, SenseVoice สำหรับภาษาจีน ญี่ปุ่น เกาหลี และกวางตุ้ง รวมถึงรูปแบบการส่งออกอย่าง TXT, SRT และ VTT แนะนำ iPhone 12 ขึ้นไป
ทำไมข้อมูลเสียงถึงอ่อนไหวกว่าข้อความ?
เสียงของคุณคือตัวระบุไบโอเมตริกที่ไม่ซ้ำใคร ต่างจากรหัสผ่าน คุณรีเซ็ตมันไม่ได้ และต่างจากหมายเลขบัตรเครดิต คุณขอออกใหม่ไม่ได้ — ดังนั้นการเก็บไฟล์เสียงดิบให้พ้นจากคลาวด์จึงเป็นสุขอนามัยดิจิทัลที่ดี
Whisper Notes ต้องสมัครสมาชิกหรือไม่?
ไม่ต้อง Whisper Notes เป็นการซื้อครั้งเดียว: iPhone $7.99 และ Mac $14 โดยบน Mac ใช้ฟรีสัปดาห์ละ 5,000 คำ ไม่มีค่าธรรมเนียมรายนาที