Mac 与 iPhone 上最好的离线语音转文字应用（2026 选购指南）

第一个问题不是“选哪个应用”

语音转文字工具的分野只有一条：你的音频是在你自己的硬件上算，还是在厂商的服务器上算。往下的一切都跟着这个选择走——怎么收钱、隐私的边界在哪、有没有分钟数上限、飞机上还能不能用——所以先把它定下来，剩下的决定就都变小了。

云端能买到两样实在的东西：别人说话时同步出现的实时字幕，以及一个同事能检索、能评论的共享工作区。它要收走三样：你的音频被上传，并适用一份需要你自己去读的数据留存政策；计费表在走（分钟数上限之所以存在，是因为算力花在别人的服务器上）；订阅照常续费，不管你这个月有没有转录过东西。

本地则跑在你已经付过钱的那块芯片上。没有分钟数上限，因为根本没有计费表；没有账号，因为没有东西需要登录；没有留存政策要读，因为世上不存在一份你音频的副本可供留存。飞机上、医院里、禁止外网连接的公司内网里，它照常工作。这并不自动等于更准——前沿的云端模型很强，诚实的对比放在下面的常见问题里——但在 Apple Silicon 上，开源模型已经足够接近，对大多数录音来说，这点差别就是噪音。如果你是在搜索框里打了“离线”才走到这里，这个选择你其实已经做完了。本页余下的部分，只谈本地这一半。

候选阵容一览

价格会变。下文只在厂商自己站点上写明的地方引用具体数字，今天核不到的就只做定性描述。下单前请以厂商页面为准。

本地这一档：MacWhisper 还是 Whisper Notes

一旦确定音频不出这台机器，苹果平台上的候选就剩两款。它们跑的是同一批开源语音模型，都是一次买断而不是按月租，也都能通过本页末尾那个飞行模式测试。它们的差别在性格，不在原理——一个是瑞士军刀，另一个是一支笔。

MacWhisper——一款转录应用能有的功能，它都有

MacWhisper 的免费档覆盖常见音视频格式的基础转录，支持 100+ 种语言，可导出纯文本和 SRT/VTT，能录麦克风，也有全局听写。Pro 授权——按 MacWhisper 官网的说法是 €64 一次性买断、终身更新——把它展开成一个真正的工作站：自动说话人识别、批量队列、监听文件夹、YouTube 与媒体链接转录，Zoom、Teams、Webex、Skype、Chime 和 Discord 的会议录制，字幕翻译，按说话人分开的播客文件，.docx/.pdf/.md/.html 导出，一个 CLI，以及 Notion、Obsidian 和 Zapier 集成。转录这件事上只要某个功能存在，MacWhisper 大概已经做了——如果你要的是所有选项都在同一个屋檐下，它就是该买的那款；如果你更希望工具保持简单，那正是该看看 Whisper Notes 的理由。

这种广度的代价是工具的形状：它密集，只有 Mac 版，没有手机端，所以你在 iPhone 上录的东西，得先设法送到 Mac 上，才谈得上处理。如果你享受坐进驾驶舱的感觉——很多专业用户确实享受——上面这些都算不上抱怨。逐项功能对比见 Whisper Notes 对比 MacWhisper。

Whisper Notes——三件事，做干净，两台设备上都能做

Whisper Notes 只盯着人们真正会拿语音去做的三件事，其余一律做减法。语音输入：按住 Fn 说话，文字直接打进当前聚焦的任何应用——Slack、编辑器、终端（官网下载版 DMG；Apple 的规则把所需的文字插入接口挡在了 App Store 版之外）。会议转录：两个 Mac 渠道都能同时录系统声音和麦克风，不往通话里塞机器人；官网下载版还会自己识别 Zoom、Teams 和 Google Meet 通话并开始录制，结束后在本机用 Gemma 4 写出摘要和待办事项——不需要 API key，不发生任何云端调用。文件转录：每个渠道都带三个引擎——Parakeet V3、Whisper、SenseVoice——合计覆盖 101 种语言，说话人标签在设备上算完，一小时音频约 15 秒标好。

它也是这份短名单里唯一把整套工具给到 iPhone 的：录音、文件导入、文件夹、引擎选择和说话人标签，全都在手机本机上跑；一次 $6.99 的 App Store 购买，同时覆盖 iPhone 版和 Mac App Store 版。界面不挡路：录、读、导出，完事。

所以按性格挑。想要所有选项，也享受一个密集的工具，买 MacWhisper。想让工具消失——三件事做好，屏幕干净，口袋里是同一个应用——买 Whisper Notes。两个答案都把音频留在家里；谁也不上传一个字节。

任务一：把话直接打进光标

这个流程是：按住一个键，说一句话，松开，文字落进当前聚焦的应用里。它是本页要求最高的一件事——工具要快到你察觉不到它，还得把文字塞进不归它管的别家应用里。

Whisper Notes 在 Mac 上原生做这件事——按住 Fn，说，松手——用的是转录录音的同一批本地引擎，不用配置，也不用为每个应用单独设置。这项能力在官网下载版里；App Store 版做不了，因为 Apple 的沙盒规则挡住了往别的应用里打字所需的辅助功能接口——来龙去脉写在Mac 版为什么离开 App Store。具体机制见用 Whisper 做 Mac 全局听写。

专攻听写的两款：Superwhisper 和 VoiceInk

有两款应用不把听写当成一个功能，而是当成整个产品；如果听写就是你一整天的工作，它们值得一看。Superwhisper 的“模式”系统能用一段提示词把原始转录重塑成一封邮件、一条 commit message、一份 bug 报告，这一点至今没有别家做到同样水平——不过云端也正是从这里进来的：它的设计是混合式，默认本地模型，若干提升准确率和做改写的功能会把你的音频或文本发给云端厂商，所以“本地”与否取决于你选了哪个模式。它有 macOS、Windows 和 iOS 版本，免费档不会过期，官网上列出的终身授权是 $249.99，本页最高的一个价。VoiceInk 在 Apple Silicon 的 Mac 上覆盖同样的循环，一次性授权 $29（多台 Mac 另计），并且在 GitHub 上公开开发——这是一条你可以靠读源码去核实的隐私声明。更长的逐项对照在我们的 Superwhisper 替代方案页面。

判断标准是工作量。如果听写就是你的全部工作，提示词改写正是重点，那就买这两位专家。如果语音输入只是你会做的若干件事之一——旁边还有会议、录音和从手机来的文件——那 Whisper Notes 把它放进了已经在处理其余部分的那个应用里：一个工具，一次付费，一套隐私模型，本地，没有附加条件。

Apple 听写——免费，已经装好，其实够用

在给任何人付钱之前，先试试 macOS 和 iOS 自带的听写。在较新的硬件上，它对不少语言是在设备上完成的，而且全系统可用；短消息这种场景，它和付费工具的差距比网上说的小。它撑不住的是长内容：标点的把握、专业词汇，以及完全没有事后清理这一步。如果你口述了一段，然后花一分钟去改它，那就是付费工具开始回本的时刻。

任务二：转录你手上已有的文件

到这里约束条件反了过来。没有任何实时压力；你有一个 MP3、一个 M4A 或一个 MP4，你只想要里面的文字。拉开差距的是：文件在哪台设备上、里面是什么语言，以及周边那些活儿——说话人标签、格式、批量——应用替你做了多少。

Whisper Notes——两台设备上都能处理文件，引擎按语言来配

如果录音在你的 iPhone 上，这个决定很短：MacWhisper 和 Buzz 没有手机端。Whisper Notes 在 iPhone 本机上录音并转录（iOS 18 及以上，建议 iPhone 12 或更新的机型），可从“文件”和“语音备忘录”导入，视频也行；一次 $6.99 的 App Store 购买同时覆盖 iPhone 版和 Mac App Store 版——手机因此不是别的工具的采集器，它本身就是那个工具。

如果音频是中文、日语、韩语或粤语，引擎比应用更重要。Whisper 并不是中日韩语上最强的模型，而本页多数工具只跑 Whisper。Whisper Notes 每个渠道都在 Whisper 和 Parakeet V3 之外一并带上 SenseVoice——在我们的测试里，M4 Pro 上转一档 27 分钟的中文播客用了 13.83 秒，标点也比 Whisper 更规整。对比写在 SenseVoice 与 Whisper 的中日韩对比，各引擎的语言对照表在 whispernotes.app/languages。

如果你需要知道谁在说话，说话人标签在每个渠道都跑在设备上——iPhone 版从 1.8.5 起、Mac App Store 版，以及官网下载版（DMG）从 1.5.1 起——一小时音频约 15 秒标好。声纹属于生物识别数据，这本身就是让这步计算留在自己芯片上的好理由；模型和它会出错的情形写在设备端说话人分离。本页其他本地工具里，只有 MacWhisper 的 Pro 档同样做说话人识别；Aiko 和苹果自带的都不做。

纯英文的吞吐上，各家的差距比任何厂商愿意承认的都小，因为大家跑的是同一批开源模型。做个参照：在我们公布的基准测试里，Parakeet V3 在 M4 Pro 上用 18 秒转完了 35 分钟音频——这些数字你可以自己复现，而它们说明的更多是模型本身，不是包着模型的那层应用。如果你更喜欢终端而不是窗口，官网下载版从 1.5.5 起附带 CLI 和一个 MCP 服务器，脚本和 AI 助手因此可以在本地完成转录和检索。

MacWhisper——只在 Mac 上，但最深的一条文件流水线

如果文件是成批落到你 Mac 上的——一整个播客旧档，一个装满访谈的文件夹——MacWhisper Pro 正是为此而造：批量队列、监听文件夹（丢进去就自动转）、YouTube 和媒体链接输入，以及导出到 Notion、Obsidian 和办公格式。那种工作站式的纵深是实打实的——而我们有意没往那个方向挖：我们的纵深给了 iPhone 端、中日韩引擎和设备端说话人标签。所以分界线还是前面短名单里那条：文件堆在 Mac 上，选 MacWhisper；文件从手机开始，或者音频是中日韩语，或者你想要线的两头是同一个应用，选 Whisper Notes。

Buzz——免费、开源，也是 Windows 和 Linux 上的答案

Buzz 是一个 MIT 许可的桌面应用，在 macOS、Windows 和 Linux 上本地跑 Whisper，支持 GPU 加速、文件夹监听、TXT/SRT/VTT 导出和一个 CLI。它有两种情况是完胜的。预算：如果钱是硬约束，免费又没有分钟数上限，胜过本页任何付费工具。平台：我们没有 Windows 或 Android 版，也不打算做，所以在 Windows 上我们的建议就是 Buzz，或者 faster-whisper 这类命令行工具——这条建议在本站有专门的一页，因为把人送到对的工具那里，好过装作自己也行。代价是打磨：Buzz 更像一个实用程序而不是一件产品，界面和安装过程都能看出来。在苹果设备上，只要愿意花几美元，一个专门设计过的应用每天用起来更舒服。

Aiko——最简单的单次转录

Aiko 只做一件事：丢进音频或视频，拿回一份在设备上完成的 Whisper 转录，可以导出成字幕。它是 $24 一次性的通用购买，涵盖 iPhone、iPad、Mac 和 Vision Pro，没有任何东西离开设备。它的限制就是它的设计：没有说话人识别，不能选引擎，也不能在应用内编辑——你得导出去，到别处改。如果你的需求是“偶尔把一段录音变成文字，零配置”，Aiko 是个干净的答案。等到你需要知道谁在说话、需要给你的语言挑一个更强的引擎，或者想就地编辑转录稿，你就长出它了——而那正好是 Whisper Notes 在相近价位上占的位置。

任务三：录下一场正在进行的会议

会议是离线与云端之争不再停留在哲学层面的地方。会议里还有别人，而诚实的分界线在于：散会之后，这些记录要拿去做什么。

如果记录是团队共有的资产，Otter 和 Notta 赢

如果你要的是通话中实时出现的字幕、一个可检索的共享工作区、能替你自动加入会议的日历集成，以及一条发给缺席同事的链接——那就买云端工具。Otter 的 Basic 档免费，每月 300 分钟，单次对话上限 30 分钟；Pro 是每用户每月 $16.99，按年付则每月 $8.33。Notta 是相近的对手，实时翻译很强。这些事没有一个离线工具做得到，再多的本地优先工程也改不了：协作需要一台服务器。你换回来要接受的是：音频被上传、分钟数被计量、订阅会续费，还可能有一个机器人出现在参会者名单里。我们更详细的看法在 Whisper Notes 对比 Otter.ai 和 Notta 替代方案。

如果录音绝对不能离开这台机器，Whisper Notes 和 MacWhisper 赢

市场的另一半，是那些不能上传的会议：问诊、受保密特权保护的法律通话、董事会和薪酬讨论、尚未公开的产品工作、以及你向受访者承诺过录音不外传的采访。在这里，本地工具不是偏好，是硬要求。

Whisper Notes 在两个 Mac 渠道上都能同时录系统声音和麦克风，不往通话里加机器人，其他与会者也看不到任何东西。官网下载版（DMG）还会自己识别 Zoom、Teams 和 Google Meet 通话并替你开始录制——你只管走进会议，散会后转录稿就在那儿了，说话人标签分好了谁说的哪句，Gemma 4 在本机写好摘要和待办事项，不需要 API key，不发生云端调用。Mac App Store 版是手动录制，因为 Apple 的规则把自动检测挡在了外面。完整流程见Mac 上的离线会议转录。MacWhisper Pro 同样在本地录会议，而且支持更长的会议软件清单——Webex、Skype、Chime、Discord——如果你的通话在这些平台上，这一点可能直接替你做决定。

有一条限制适用于整个离线阵营，我们宁可你现在就知道，而不是买完才发现：这里所有打磨完整的消费级应用，都不会在通话进行时给出实时字幕。Whisper Notes 是在录音停止之后转录，不是边说边转。如果房间里有人需要在话音落下的同时读到文字，你需要的是云服务，或者一款专门做字幕的产品。

先试苹果自带的工具

语音备忘录可以免费转录一段录音——在运行 macOS 15 及以上的 Apple 芯片 Mac 上，以及 iOS 18 起的 iPhone 上。加上系统听写，日常随手记里相当一部分场景已经被覆盖了；任何绕过这一点的推荐，都是想卖你东西。

把人推离它的有四件事。苹果只转录有限的语言列表，远不及 Whisper 覆盖的 101 种——按引擎的明细在我们的语言支持页。它没有说话人分离。它没有真正的导出——你只能选中文字复制，拿不到 TXT、SRT 或 VTT。它也没有批量：一次一段录音，还得是用苹果自己的应用录的，所以一整个文件夹的访谈录音它干不了。如果这四件事你都不在乎，别读了，把钱省下来。

按你的约束条件挑

这些说法，你自己怎么验证

本页上的每一家厂商，包括我们，都在说“私密”。你不必信任何人的一面之词。五个检查，都不需要技术背景：

1. 飞行模式测试。打开飞行模式，或者关掉 Wi-Fi、拔掉网线，然后录一段并转录。如果转录稿照样全速出现，处理就在本地。如果你看到转圈、报错，或者一个排队的任务在你重新联网的瞬间完成，那就不是。等应用把模型下载完再做这个测试——一个真正本地的工具，只需要联网一次，就是取模型权重的那一次。
2. 读 App Store 的隐私标签。在 App Store 的应用页面往下滑到“App 隐私”。“未收集数据”是开发者向 Apple 作出的声明，说谎是有后果的。把它和营销页面上的说法对一遍。另外看这个应用要不要账号：如果必须注册登录才能转录，就有东西离开了你的设备。
3. 盯住网络。Little Snitch 这类防火墙，或者开源的 LuLu，会把一个应用发起的每一条外连都摆给你看。开着它转录一个文件。检查更新和授权验证是正常的，流量也小；一条和你音频文件差不多大的持续上传，就不正常。
4. 去找分钟数上限。定价页是一个诚实的信号。按分钟收费和每月分钟额度之所以存在，是因为算力花在别人的服务器上。跑在你自己硬件上的工具没有理由给你装计费表，所以不限量的本地转录是默认状态，而不是高级档的特权。
5. 确认“本地”是不是“默认就本地”。有几款不错的工具是混合式的：本地模型求快，云端模型求准或做改写，按模式分别选择。这是合理的设计，但它意味着隐私的答案取决于你的设置，而不取决于这个应用。找到模型选择器，看清当前选中的是哪一项，再确认文本清理或摘要那一步会不会独立于转录单独联网。

这五条，请像对待别人一样对待我们。Whisper Notes 没有账号，没有登录，也没有混合模式——没有什么开关需要打开才能让它变成本地的，因为它没有第二种运行方式。飞行模式测试花三十秒，比这一整段话都值钱。

Whisper Notes 不适合的地方

为了对称，也把该买别家的情况写清楚：

• Windows 或 Android。没有对应版本，也没有计划。用 Buzz 或 faster-whisper。
• Intel Mac。Mac 版需要 Apple Silicon。退路是 MacWhisper 和 Buzz。
• 实时字幕。转录发生在录音结束之后，不是进行之中。
• 协作。没有共享工作区，没有评论，你自己的设备之间也没有云同步。它按构造就是单人工具——“没有服务器”就是这个意思。
• 提示词驱动的改写。Superwhisper 的模式能把你说的话重塑成一封邮件或一条 commit message。我们只转录你说的话，不动你的用词。

除此之外的一切——Mac 上的语音输入（官网下载版）、必须保密的会议、来自手机的文件、中日韩语音频、需要知道谁在说话、只想付一次钱——正是这个应用被造出来要装的形状。细节在 Whisper Notes 首页；如果你的处境正好是上面五种之一，本页上的另一个工具更值得你花这笔钱，我们也宁可你花在那儿。

常见问题

如果你比较的是本地语音模型而不是应用，可以看Whisper 转录指南了解模型尺寸和运行 Whisper 的各种方式，以及离线语音转文字完全指南了解更大的版图，包括 Windows 和 Android。

下载 iOS 版 Mac 免费试用