Mac 與 iPhone 上最好的離線語音轉文字 App（2026 選購指南）

先說結論

• 需要團隊協作、共享註解——選雲端：Otter 或 Notta。代價是音訊上傳，訂閱也會續扣。
• 錄音必須留在自己的裝置上——實際的候選只有兩款：MacWhisper 像瑞士刀，功能齊全但複雜；Whisper Notes 簡單清爽。兩款都同時有 Mac 版和 iOS 版。
• 你用的是 Windows 或 Linux，或者預算是零——Buzz，免費開源。
• 你只是偶爾錄一段英文備忘——Apple 內建工具已經免費做到了。

你能接受錄音上傳到雲端伺服器嗎？

語音轉文字工具只分兩類：模型跑在你自己的裝置上，還是接廠商的 API。這決定了你的錄音隱私、準確度，通常還有價格——接 API 的基本上只能訂閱，沒有買斷。

接 API 的好處是能用雲端 GPU 推論，模型體積可以來到數 GB 甚至數十 GB，因此拿到領先的轉錄準確度，例如 ElevenLabs 的 Scribe。代價也一樣具體：錄音上傳到別人的伺服器，分鐘數要計費，有時長上限，訂閱按月照扣。

而 Apple 的 M 系列晶片和新款 iPhone，本機算力已經足以跑開源語音模型，把差距壓到大多數錄音都察覺不到（下面的常見問題裡有誠實的比較）——錄音不離開裝置，逐字稿又快又準，而且這類 App 通常是一次買斷。

這一頁剩下的部分只談本地工具。

候選陣容一覽

• MacWhisper: 自動說話者辨識、批次佇列、監控資料夾和會議錄音都是 Pro 的功能，免費方案沒有；iOS 版的裝置端模型需要 iPhone 15 或更新的機型。
• Whisper Notes: Mac App Store 版沒有 Fn 語音輸入，也沒有會議自動偵測；這兩項只有官網下載版才有。
• Superwhisper: 設計上就是混合式：若干提升準確度和做改寫的功能會把音訊或文字送給雲端業者，所以某一次使用是否留在本機，取決於你選了哪個模式。
• VoiceInk: 它是一款語音輸入 App，而不是檔案轉錄工具：不能匯入檔案，不能錄會議，也沒有說話者標籤，iOS 版同樣是語音輸入。
• Aiko: 沒有說話者辨識，不能選引擎，也不能在 App 內編輯——匯出去，到別的地方改。
• Buzz: 沒有手機版，也沒有說話者標籤，而且它比較像一支工具程式而不是一件產品——介面和安裝過程都看得出來。
• Apple 語音備忘錄 / 聽寫：可用語言遠少於 Whisper 的 101 種，沒有說話者分離，也不能匯出 TXT、SRT 或 VTT，而且一次只能處理一段錄音，還得在 Apple 自家 App 裡錄。
• Otter / Notta: 音訊要上傳，分鐘數要計量——Otter 免費的 Basic 方案是每月 300 分鐘，單次對話上限 30 分鐘——而且與會者名單裡可能出現一個機器人。

儲存格裡的但書說明這項功能取決於什麼條件；「不支援」表示這款工具完全做不到。

功能與價格以各廠商官網寫明的為準，也會變動；表格順序不是名次，下單前請以廠商頁面為準。

本地這一檔：MacWhisper 還是 Whisper Notes

一旦決定音訊不出這台裝置，Apple 平台上的候選就剩兩款：MacWhisper 和 Whisper Notes。它們跑的是同一批開源語音模型，都是一次買斷，Mac 和 iPhone 上都有，也都通得過這一頁最後那個飛航模式測試。差別在性格，不在原理：一個把所有選項都攤開，一個把介面收乾淨。

MacWhisper——一款逐字稿軟體能有的功能，它都有

MacWhisper 的免費方案涵蓋常見影音格式的基本轉錄，支援 100+ 種語言，可匯出純文字和 SRT/VTT，能錄麥克風，也有全系統聽寫。Pro 授權——依 MacWhisper 官網的說法是 €64 一次買斷、終身更新——把它展開成一座真正的工作站：自動說話者辨識、批次佇列、監控資料夾、YouTube 與媒體連結轉錄，Zoom、Teams、Webex、Skype、Chime 和 Discord 的會議錄製，字幕翻譯，依說話者分軌的 Podcast 檔案，.docx/.pdf/.md/.html 匯出，一套 CLI，以及 Notion、Obsidian 和 Zapier 整合。轉逐字稿這件事上只要某個功能存在，MacWhisper 大概已經做了。想要所有選項都在同一個屋簷下，買它；想讓工具保持簡單，接著看 Whisper Notes。

這種廣度的代價是工具的形狀：密集。它的 iOS 版叫 Whisper Transcription，功能是 Mac 版的子集；按官方文件，裝置端模型需要 iPhone 15 或更新的機型。如果你享受坐進駕駛艙的感覺——很多專業使用者確實享受——這些都算不上缺點。逐項功能比較請看 Whisper Notes 與 MacWhisper 比較。

限制：免費方案只做基本轉錄和匯出，自動說話者辨識、批次佇列、監控資料夾和會議錄音要到 €64 的 Pro 授權才有；iOS 版 Whisper Transcription 想在裝置上跑模型，需要 iPhone 15 或更新的機型。

Whisper Notes——三件事，做乾淨，兩台裝置上都能做

Whisper Notes 只盯著大家真正會拿語音去做的三件事，其餘一律做減法。語音輸入：按住 Fn 說話，文字直接打進目前作用中的任何 App——Slack、編輯器、終端機（官網下載版 DMG）。會議逐字稿：兩個 Mac 渠道都能同時錄系統聲音和麥克風，不必派機器人進會議；官網下載版還會自己偵測 Zoom、Teams 和 Google Meet 通話並開始錄製，結束後在本機用 Gemma 4 寫出摘要和待辦事項——不需要 API key，不會有任何雲端呼叫。檔案轉錄：每個渠道都帶三個引擎——Parakeet V3、Whisper、SenseVoice——合計涵蓋 101 種語言，說話者標籤在裝置上算完，一小時的音訊大約 15 秒標好。

iPhone 上給到的是完整工具，不是精簡版：錄音、檔案匯入、資料夾、引擎選擇和說話者標籤，全都跑在手機本身（iOS 18 以上，建議 iPhone 12 或更新的機型）；一次 $7.99 的 App Store 購買，同時涵蓋 iPhone 版和 Mac App Store 版。介面不擋路：錄、讀、匯出，結束。

所以照性格挑。想要所有選項，也享受一套密集的工具，買 MacWhisper。想讓工具消失——三件事做好，畫面乾淨，口袋裡是同一個 App——買 Whisper Notes。兩個答案都把音訊留在家裡；誰也不會上傳一個位元組。

任務一：把話直接打進游標

這個流程是：按住一個鍵，說一句話，放開，文字落進目前作用中的 App 裡。它是這一頁上要求最高的一件事——工具要快到你察覺不到它，還得把文字塞進不歸它管的別家 App 裡。

Whisper Notes 在 Mac 上原生做這件事——按住 Fn，說，放開——用的是替錄音轉逐字稿的同一批本地引擎，不用設定，也不必為每個 App 個別調整。這項能力在官網下載版裡；App Store 版做不到，因為 Apple 的沙盒規則擋住了往別的 App 裡打字所需的輔助使用 API——來龍去脈寫在Mac 版為什麼離開 App Store。實際機制請看用 Whisper 做 Mac 全系統聽寫。

專攻聽寫的兩款：Superwhisper 和 VoiceInk

有兩款 App 不把聽寫當成一項功能，而是當成整個產品；如果聽寫就是你一整天的工作，它們值得一看。Superwhisper 的「模式」系統能用一段提示詞把原始逐字稿重塑成一封 email、一則 commit message 或一份 bug 回報，這一點至今沒有對手。不過雲端也正是從這裡進來的：它的設計是混合式，預設本地模型，但若干提升準確度和做改寫的功能會把你的音訊或文字送給雲端業者——「本地」與否取決於你選了哪個模式。它有 macOS、Windows 和 iOS 版本，免費方案不會過期，官網列出的終身授權 $249.99 是這一頁最高的價格。VoiceInk 在 Apple Silicon 的 Mac 上涵蓋同樣的聽寫流程，一次性授權 $29（多台 Mac 另計），而且在 GitHub 上公開開發——這是一條你可以靠讀原始碼查證的隱私聲明。更長的逐項對照在我們的 Superwhisper 替代方案頁面。

限制：兩款都不做說話者標籤。Superwhisper 的「本地」保證是按模式算的，不是按 App 算的，因為有些模式會呼叫雲端業者。VoiceInk 官網自己的定位也是一款語音輸入 App——跨 App 用嘴寫字——而不是一個轉錄你手上已有檔案的工具，它的 iOS 版同樣是語音輸入。

判斷標準是工作量。如果聽寫就是你的全部工作，提示詞改寫正是重點，那就買這兩位專家。如果語音輸入只是你會做的其中一件事——旁邊還有會議、錄音和從手機來的檔案——那 Whisper Notes 把它放進了已經在處理其餘部分的那個 App 裡：一套工具，付一次錢，一套隱私模型，本地，沒有附加條件。

Apple 聽寫——免費，早就裝好，其實夠用

在付錢給任何人之前，先試試 macOS 和 iOS 內建的聽寫。在較新的硬體上，它對不少語言是在裝置上完成的，而且全系統可用；短訊息這種場合，它和付費工具的差距比網路上說的小。它撐不住的是長內容：標點的拿捏、專業術語，以及完全沒有事後整理這一步。如果你口述了一段，接著要花一分鐘去修，那就是付費工具開始回本的時刻。

限制：能在裝置上處理的語言遠少於 Whisper 的 101 種，沒有說話者分離；語音備忘錄也不提供匯出，你只能選取文字複製，拿不到 TXT、SRT 或 VTT 檔，也不能批次處理。

任務二：轉錄你手上已經有的檔案

到這裡，限制條件反了過來：沒有即時壓力，你手上有一個 MP3、M4A 或 MP4，只要裡面的文字。拉開差距的是三件事——檔案在哪台裝置上、裡面是什麼語言，以及說話者標籤、格式、批次這些周邊的雜事，App 替你做了多少。

Whisper Notes——兩台裝置上都能處理檔案，引擎照語言配

如果錄音在你的 iPhone 上：Buzz 沒有手機版；MacWhisper 有 iOS 版（Whisper Transcription），但按官方文件，裝置端模型要 iPhone 15 或更新的機型。Whisper Notes 在 iPhone 本機上錄音並轉成逐字稿（iOS 18 以上，建議 iPhone 12 或更新的機型），可以從「檔案」和「語音備忘錄」匯入，影片也行；一次 $7.99 的 App Store 購買同時涵蓋 iPhone 版和 Mac App Store 版——手機因此不是別的工具的收音裝置，它本身就是那個工具。

如果音訊是中文、日文、韓文或粵語，引擎比 App 更重要。Whisper 並不是中日韓語最強的模型，而這一頁上多數工具只跑 Whisper。Whisper Notes 每個渠道都在 Whisper 和 Parakeet V3 之外一併帶上 SenseVoice——在我們的測試裡，M4 Pro 上轉一集 27 分鐘的中文 Podcast 花了 13.83 秒，標點也比 Whisper 整齊。比較寫在 SenseVoice 與 Whisper 的中日韓比較，各引擎的語言對照表在 whispernotes.app/languages。

如果你需要知道誰在說話，說話者標籤在每個渠道都跑在裝置上——iPhone 版從 1.8.5 起、Mac App Store 版，以及官網下載版（DMG）從 1.5.1 起——一小時的音訊大約 15 秒標好。聲紋屬於生物辨識資料，這本身就是讓這步運算留在自己晶片上的好理由；模型和它會出錯的情況寫在裝置端說話者分離。這一頁其他的本地工具裡，只有 MacWhisper 的 Pro 方案同樣做說話者辨識；Aiko 和 Apple 內建的都不做。

純英文的吞吐量上，各家的差距比任何廠商願意承認的都小，因為大家跑的是同一批開源模型。給你一個參照：在我們公開的基準測試裡，Parakeet V3 在 M4 Pro 上用 18 秒轉完 35 分鐘的音訊——這些數字你可以自己重現，而它們說明的比較是模型本身，不是包著模型的那層 App。如果你比較喜歡終端機而不是視窗，官網下載版從 1.5.5 起附帶 CLI 和一個 MCP 伺服器，腳本和 AI 助理因此可以在本地完成轉錄和搜尋。

MacWhisper——Mac 上最深的一條檔案流程

如果檔案是成批落到你 Mac 上的——一整個 Podcast 舊檔、一個裝滿訪談的資料夾——MacWhisper Pro 正是為此而造：批次佇列、監控資料夾（丟進去就自動轉）、YouTube 和媒體連結輸入，以及匯出到 Notion、Obsidian 和辦公文件格式。那種工作站式的深度是真的——而我們刻意沒有往那個方向挖：我們的深度給了 iPhone 版、中日韓引擎和裝置端說話者標籤。所以分界線還是前面短名單裡那條：檔案堆在 Mac 上，選 MacWhisper；檔案從手機開始，或者音訊是中日韓語，或者你想要線的兩頭是同一個 App，選 Whisper Notes。

Buzz——免費、開源，也是 Windows 和 Linux 上的答案

Buzz 是一款 MIT 授權的桌面軟體，在 macOS、Windows 和 Linux 上本地跑 Whisper，支援 GPU 加速、資料夾監控、TXT/SRT/VTT 匯出和一套 CLI。它有兩種情況是完勝的。預算：如果錢是硬限制，免費又沒有分鐘數上限，勝過這一頁上任何付費工具。平台：我們沒有 Windows 或 Android 版，也不打算做，所以在 Windows 上我們的建議就是 Buzz，或者 faster-whisper 這類命令列工具——這條建議在本站有專門的一頁，因為把人送到對的工具那裡，好過假裝自己也行。代價是打磨：Buzz 比較像一支工具程式而不是一件產品，介面和安裝過程都看得出來。在 Apple 裝置上，只要願意花幾美元，一個特地設計過的 App 每天用起來舒服得多。

限制：沒有 iPhone 版，也沒有 Android 版，沒有說話者標籤，也不能錄會議。

Aiko——最單純的一次性轉錄

Aiko 只做一件事：丟進音訊或影片，拿回一份在裝置上完成的 Whisper 逐字稿，可以匯出成字幕。它是 $24 一次性的通用購買，涵蓋 iPhone、iPad、Mac 和 Vision Pro，沒有任何東西離開裝置。它的限制就是它的設計：沒有說話者辨識，不能選引擎，也不能在 App 內編輯——你得匯出去，到別的地方改。如果你的需求是「偶爾把一段錄音變成文字，零設定」，Aiko 是個乾淨的答案。等你需要知道誰在說話、想替你的語言換一個更強的引擎，或者要就地編輯逐字稿，它就不夠用了——那正好是 Whisper Notes 在相近價位上補的位置。

限制：引擎只有 Whisper，沒有模型可選，也沒有說話者辨識和 App 內編輯。

任務三：錄下一場正在進行的會議

到了會議場景，離線還是雲端就不只是理念問題了：會議裡還有別人。真正的分界線是散會之後，這些紀錄要拿去做什麼。

如果紀錄是團隊共有的資產，Otter 和 Notta 贏

如果你要的是通話中即時跑出來的字幕、一個可搜尋的共用工作區、能替你自動加入會議的行事曆整合，以及一條可以傳給缺席同事的連結——那就買雲端工具。Otter 的 Basic 方案免費，每月 300 分鐘，單次對話上限 30 分鐘；Pro 是每位使用者每月 $16.99，年繳則每月 $8.33。Notta 是相近的對手，即時翻譯很強。這些事沒有一個離線工具做得到，再多的本地優先工程也改不了：協作需要一台伺服器。你換回來要接受的是：音訊被上傳、分鐘數被計量、訂閱會續扣，還可能有一個機器人出現在與會者名單裡。我們更詳細的看法在 Whisper Notes 與 Otter.ai 比較和 Notta 替代方案。

限制：錄音會被上傳，分鐘數會被計量——Otter 免費的 Basic 方案每月 300 分鐘，單次對話上限 30 分鐘——而且助理可能以與會者身分加入通話，所有人都看得見。

如果錄音絕對不能離開這台機器，Whisper Notes 和 MacWhisper 贏

市場的另一半，是那些不能上傳的會議：醫師看診、受保密特權保護的法律通話、董事會和薪資討論、尚未公開的產品工作，以及你向受訪者承諾過錄音不外流的訪談。在這裡，本地工具不是偏好，是硬性要求。Superwhisper 官網也列出了會議錄音，但它是混合式設計，音訊是否留在本機取決於你選了哪個模式——如果「絕對不能上傳」是硬性條件，那就得逐個模式確認，而不是預設它一定滿足。

Whisper Notes 在兩個 Mac 渠道上都能同時錄系統聲音和麥克風，不必派機器人進會議，其他與會者也看不到任何東西。官網下載版（DMG）還會自己偵測 Zoom、Teams 和 Google Meet 通話並替你開始錄——你只管走進會議，散會後逐字稿就在那裡了，說話者標籤分好了誰說了哪一句，Gemma 4 在本機寫好摘要和待辦事項，不需要 API key，不會有雲端呼叫。Mac App Store 版是手動錄製，因為 Apple 的規則把自動偵測擋在外面。完整流程請看Mac 上的離線會議逐字稿。MacWhisper Pro 同樣在本地錄會議，而且支援更長的會議軟體清單——Webex、Skype、Chime、Discord——如果你的通話在這些平台上，這一點可能直接替你做決定。

有一條限制適用於整個離線陣營，我們寧願你現在就知道，而不是買完才發現：這裡所有打磨完整的消費級 App，都不會在通話進行時給出即時字幕。Whisper Notes 是在錄音停止之後才轉錄，不是邊說邊轉。如果現場有人需要在話音落下的同時讀到文字，你需要的是雲端服務，或者一款專門做字幕的產品。

先試 Apple 內建的工具

語音備忘錄可以免費把一段錄音轉成文字——在執行 macOS 15 以上的 Apple 晶片 Mac 上，以及 iOS 18 起的 iPhone 上。再加上系統聽寫，日常隨手錄的場合已經被涵蓋了相當一部分；任何跳過這一點的推薦，都是想賣你東西。

它有四個硬傷。只轉錄有限的語言，遠不及 Whisper 的 101 種（依引擎的明細在語言支援頁）；沒有說話者分離；沒有真正的匯出——只能選取複製，拿不到 TXT、SRT 或 VTT；也沒有批次，一次一段，還得是用 Apple 自家 App 錄的。這幾件事都不在意的話，別往下讀了，把錢省下來。

照你的限制條件挑

這些說法，你自己怎麼查證

這一頁上的每一家廠商，包括我們，都在說「私密」。你不必信任何人的片面之詞。五個檢查，都不需要技術背景：

1. 飛航模式測試。開啟飛航模式，或者關掉 Wi-Fi、拔掉網路線，然後錄一段並轉成逐字稿。如果逐字稿照樣全速出現，處理就在本地。如果你看到一直轉圈、出現錯誤，或者一個排隊中的工作在你重新連網的瞬間完成，那就不是。等 App 把模型下載完再做這個測試——一款真正本地的工具，只需要連網一次，就是抓模型權重的那一次。
2. 讀 App Store 的隱私標籤。在 App Store 的 App 頁面往下捲到「App 隱私權」。「未收集資料」是開發者向 Apple 提出的聲明，說謊是有後果的。把它和行銷頁面上的說法對一遍。另外看這個 App 要不要帳號：如果你必須註冊登入才能轉錄，就有東西離開了你的裝置。
3. 盯住網路。Little Snitch 這類防火牆，或者開源的 LuLu，會把一個 App 發起的每一條對外連線都攤開給你看。開著它轉錄一個檔案。檢查更新和授權驗證是正常的，流量也小；一條跟你音訊檔案差不多大的持續上傳，就不正常。
4. 去找分鐘數上限。定價頁是一個誠實的訊號。按分鐘計費和每月分鐘額度之所以存在，是因為運算花在別人的伺服器上。跑在你自己硬體上的工具沒有理由替你裝計費表，所以不限量的本地轉錄是預設值，而不是高階方案的特權。
5. 確認「本地」是不是「預設就本地」。有幾款不錯的工具是混合式的：本地模型求快，雲端模型求準或做改寫，依模式分別選擇。這是合理的設計，但它意味著隱私的答案取決於你的設定，而不是取決於這個 App。找到模型選擇器，看清楚目前選中的是哪一項，再確認文字整理或摘要那一步會不會獨立於轉錄另外連網。

這五條，請像對待別人一樣拿來對待我們。Whisper Notes 沒有帳號，沒有登入，也沒有混合模式——沒有什麼開關需要打開才能讓它變成本地的，因為它沒有第二種運作方式。飛航模式測試花三十秒，比這一整段話都值錢。

Whisper Notes 不適合的地方

該買別家的情況，也寫清楚：

• Windows 或 Android。沒有對應版本，也沒有計畫。用 Buzz 或 faster-whisper。
• Intel Mac。Mac 版需要 Apple Silicon。退路是 MacWhisper 和 Buzz。
• 即時字幕。轉錄發生在錄音結束之後，不是進行之中。
• 協作。沒有共用工作區，沒有留言，你自己的裝置之間也沒有雲端同步。它按構造就是單人工具——「沒有伺服器」就是這個意思。
• 提示詞驅動的改寫。Superwhisper 的模式能把你說的話重塑成一封 email 或一則 commit message。我們只把你說的話轉成文字，不動你的用詞。

除此之外的場景——Mac 上的語音輸入（官網下載版）、必須保密的會議、來自手機的檔案、中日韓語音訊、需要知道誰在說話、只想付一次錢——正是 Whisper Notes 為之設計的。細節在 Whisper Notes 首頁；如果你的處境剛好是上面五種之一，這一頁上的另一個工具更值得你花這筆錢，我們也寧願你花在那裡。

常見問題

如果你比較的是本地語音模型而不是 App，可以看Whisper 轉錄指南了解模型大小和執行 Whisper 的各種方式，以及離線語音轉文字完整指南了解更大的版圖，包括 Windows 和 Android。

下載 iOS 版 Mac 免費試用