Mac 与 iPhone 上最好的离线语音转文字应用（2026 选购指南）

先说结论

• 需要团队协作、共享批注——选云端：Otter 或 Notta。代价是录音上传，以及订阅照扣。
• 录音必须留在自己的设备上——现实的候选只有两款：MacWhisper 像瑞士军刀，功能齐全但复杂；Whisper Notes 简单清爽。两者都同时有 Mac 版和 iOS 版。
• 你用 Windows 或 Linux，或者预算为零——Buzz，免费开源。
• 只是偶尔录一段英文备忘——Apple 自带工具已经免费做到了。

你能否接受录音上传到云服务器？

语音转文字工具只分两类：模型跑在你自己的设备上，还是接服务商的 API。这决定了你的录音数据隐私、准确率，通常还有价格——接 API 的基本只能订阅，无法买断。

接 API 的好处是能用云端 GPU 推理，模型体积可以高达数 GB 甚至数十 GB，因此拿到领先的转录准确率，比如 ElevenLabs 的 Scribe。代价也很直接：录音上传到别人的服务器，按分钟计费，存在时长上限，按月订阅。

而 Apple 的 M 系列芯片和新款 iPhone，本地算力已经足以跑开源语音模型，把差距压到大多数录音里可以忽略（下面的常见问题里有诚实对比）——录音不离开设备，转录又快又准，而且这类产品通常是一次买断。

本页余下部分只谈本地工具。

候选阵容一览

🟢 支持 · 🟡 部分支持 · 🔴 不支持

功能与价格以厂商官网写明的为准，也会变动；表格顺序不是名次，下单前请以厂商页面为准。

本地这一档：MacWhisper 还是 Whisper Notes

确定音频不出这台机器之后，苹果平台上的候选只剩两款：MacWhisper 和 Whisper Notes。它们跑的是同一批开源语音模型，都是一次买断，Mac 和 iPhone 上都有，也都能通过本页末尾的飞行模式测试。差别在性格，不在原理：一个把所有选项都摆出来，一个把界面收干净。

MacWhisper——一款转录应用能有的功能，它都有

MacWhisper 的免费档已覆盖常见音视频格式的基础转录：100+ 种语言，导出纯文本和 SRT/VTT，能录麦克风，也有全局听写。Pro 授权（官网标价 €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、Discord 的会议录制，字幕翻译，按说话人拆分的播客文件，.docx/.pdf/.md/.html 导出，一个 CLI，以及 Notion、Obsidian、Zapier 集成。只要某个转录功能存在，MacWhisper 大概率已经做了。想要所有选项都在同一个屋檐下，买它；想让工具保持简单，接着看 Whisper Notes。

这种广度的代价是工具的形状：密集。它的 iOS 版叫 Whisper Transcription，功能是 Mac 版的子集，按官方文档，设备端模型需要 iPhone 15 或更新的机型。如果你享受坐进驾驶舱的感觉——很多专业用户确实享受——这些都不算缺点。逐项对比见 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）。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。

iPhone 上给到的是完整工具，不是精简版：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，iOS 18 及以上、建议 iPhone 12 或更新的机型；一次 $7.99 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功能，而是当整个产品；如果听写就是你一整天的工作，值得一看。Superwhisper 的“模式”系统能用一段提示词把原始转录改写成邮件、commit message 或 bug 报告，这一点至今没有对手。不过云端也正是从这里进来的：它是混合式设计，默认本地模型，但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——“本地”与否取决于你选了哪个模式。它有 macOS、Windows 和 iOS 版，免费档不过期，官网标出的终身授权 $249.99 是本页最高价。VoiceInk 在 Apple Silicon Mac 上覆盖同样的听写循环，一次性授权 $29（多台 Mac 另计），并且在 GitHub 上公开源码——这是一条可以靠读代码去核实的隐私声明。更长的对照在 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，约束反过来了：没有实时压力，你手上有一个 MP3、M4A 或 MP4，只要里面的文字。拉开差距的是三件事——文件在哪台设备上、里面是什么语言，以及说话人标签、格式、批量这些周边的活儿，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：Buzz 没有手机端；MacWhisper 有 iOS 版（Whisper Transcription），但设备端模型按官方文档要 iPhone 15 或更新的机型。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 $7.99 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——Mac 上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。等你需要知道谁在说话、想给你的语言换个更强的引擎，或者要就地编辑转录稿时，它就不够用了——那正是 Whisper Notes 在相近价位上补的位置。

任务三：录下一场正在进行的会议

到了会议场景，离线还是云端就不只是理念问题了：会议里还有别人。真正的分界线是散会之后，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。Superwhisper 官网也列出了会议录制，但它是混合式设计，是否留在本地取决于你选了哪个模式——如果"绝对不能上传"是硬约束，那就得逐个模式确认，而不是默认它满足。

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。

它有四个硬伤。只转录有限的语言，远不及 Whisper 的 101 种（按引擎的明细在语言支持页）；没有说话人分离；没有真正的导出——只能选中复制，拿不到 TXT、SRT 或 VTT；也没有批量，一次一段，还得是苹果自家应用录的。这四件事都不在乎的话，别往下读了，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

该买别家的情况，也写清楚：

• 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。

除此之外的场景——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 Whisper Notes 为之设计的。细节在 Whisper Notes 首页；如果你的情况是上面五种之一，把钱花在本页另一个工具上更值，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