试了一圈,这些AI语音转文字工具还行

AI语音转文字这玩意儿这几年进步是真快。以前又慢又不准,除非你口音特别正、咬字特别清楚。

现在大语言模型和语音转文本模型牛了,识别准多了,还能根据上下文把格式弄对。开发者还加了自动去掉语气词、修正口误、处理标点这些功能,转出来的文字基本不用咋改。

市面上这种App一大堆,我们挑了下面这些觉得还不错的。

Wispr Flow

Wispr Flow这玩意儿挺有钱的。你可以加自定义词汇和指令。有macOS、Windows和iOS的原生App,安卓的正在搞。

你可以选“正式”、“随意”、“非常随意”几种风格,对应不同写作场景,比如发消息、工作、写邮件。如果你配合Cursor这类工具用,还能开个功能让它自动识别代码里的变量或者给文件打标签。

桌面版每周免费转2000词,iOS版每月1000词。付费订阅不限量,15刀一个月起。

Willow

Willow说自己能省不少时间,特别适合懒得打字的人。除了常见的自动编辑和格式化,它还能用大语言模型,根据你说的几个词生成一整段话。

它更注重隐私,所有转录文本都存在本地设备上,你也可以完全不让它用你的数据训练模型。还能加自定义词汇,适应你的行业术语或者方言。

桌面App每月免费转2000词。个人订阅15刀一个月起,不限量转录,还能让它记住你的写作风格。

Monologue

如果最看重隐私,Monologue可以让你直接把AI模型下载到设备上做转录,数据完全不上云。而且你可以根据使用的App来定制它的语气。

每月免费转1000词;订阅10刀一个月或者100刀一年。公司还给最活跃的用户寄一个叫Monokey的实体快捷键设备来配合App用。

Superwhisper

Superwhisper主要是语音转文字,但也能转录音视频文件。可以选不同的AI模型下载,包括它自己出的几个(速度和准确度不同),还有英伟达的Parakeet语音识别模型。

还能写自定义提示词来引导输出结果,可以直接在系统键盘上看处理前和处理后的文本。

基础的语音转文字功能免费。有15分钟试用Pro功能,比如翻译和转录。付费版可以用你自己的AI API密钥,连接云端和本地模型,没有用量限制。

月付8.49刀,年付每月折合84.99刀,或者花249.99刀买断。

VoiceTypr

VoiceTypr这App主打离线优先、不用订阅,用本地模型转录。还有个GitHub仓库,可以自己部署运行开源版本。支持超过99种语言,Mac和Windows都能用。

可以免费试用三天,之后得买终身许可。一个设备35刀,两个56刀,四个98刀。

Aqua

Aqua是个YC投的语音打字工具,Windows和macOS都能用,号称是同类里延迟最低(就是你说话到出字的间隔)的工具之一。

除了处理语法和标点,还能用语音自动填充文本,比如你说“我家地址”,它就能给你打出来。

它还有自己的语音转文字API,让别的App也能接入它的转录引擎。

免费版每月1000词。付费计划年付的话每月8刀起,不限词数,还能存800个自定义词典词条。

Handy

Handy是个开源的免费转录工具,Mac、Windows、Linux都能跑。功能挺基础的,没啥定制选项,但如果你就想试试用语音输入又不想花钱,可以看看。

有个基本设置菜单,可以开关按键说话,改触发转录的热键。

Typeless

Typeless的免费额度给得挺多。公司说他们不存数据也不用它训练AI模型。还能帮你重写你口误的句子。

免费版每周能转4000词(大概每月16000词)。付费12刀一个月(年付),不限词数,还能用新功能。只有Windows和macOS版。

VoiceInk

VoiceInk是个Mac上的开源隐私听写App。支持全局快捷键开始/停止录音,还有按键说话模式。它会读屏幕上的内容,然后调整输出。

能自动检测特定App和网址,应用自定义的格式或规则。还有个助手模式能回答问题。一个设备终身许可25刀,两个39刀,三个49刀。

Dictato

Dictato是个Mac上的词典App,卖9.99欧元(大概12刀),买断制,带两年功能更新。用Parakeet、Whisper、Apple Speech Analyzer这些离线模型,用Apple Intelligence做轻量阅读和去掉语气词。因为用本地模型,延迟超快,80毫秒,基本你说完字就出来了。

AudioPen

AudioPen一开始是个网页版语音笔记App,这几年进化了。现在Mac版能让你口述文本,然后用你喜欢的格式和风格重写,随时切换不同风格。除了实时转录,还能跨平台存语音笔记、合并笔记做总结、上传音频文件、用AI重写已有笔记。三个月33刀,一年99刀,两年159刀。

通过文章里的链接购买,我们可能会赚点小钱。这不影响我们的编辑独立性。

这东西就那样,反正我用着都差不多。

小白问一下,是不是这些工具都要求联网啊?我听说有些可以离线运行,比如VoiceTypr,但不太确定离线识别准不准,有人试过吗?

又来这种帖子了,每个月都能看到“实测N款工具”的推荐,最后发现好用的还是那几个老面孔,新出的不是收费贵就是功能花里胡哨不实用。

用Wispr Flow的话,先装桌面版,设置里选“正式”风格,录音时按快捷键开始,说完自动转文字,可以直接粘贴到文档里。

楼主提到Aqua的延迟最低,这个“延迟”具体是怎么测出来的?有没有和其他工具在同一环境下对比的数据?比如在嘈杂背景或者带口音的情况下,延迟会不会明显增加?

我之前用过Willow,写周报的时候确实省时间,但它那个“根据几个词生成整段”的功能有时会跑偏,有次我说“项目进度正常”,它给我生成了一大段假大空的汇报模板,还得自己删改。后来我主要就拿它做会议记录,转完自己再整理一下,准确度还行,就是免费额度有点不够用。

Mark,正好需要,回头一个个试试。

话说你们用这些工具的时候,有没有遇到过突然识别出一堆乱码或者完全无关的词?我上次在厨房开着抽油烟机试了一个,结果转出来的文字里居然有“红烧肉步骤”,可我明明在说工作安排,笑死,这AI是不是饿了啊。