Mac 全局语音输入：用 Whisper 在任意应用中离线听写
在邮件、文档、聊天和代码编辑器中使用本地语音输入：快捷键设置、麦克风选择、标点习惯、隐私边界与故障排查。
更新于
先看结论
- 全局听写与长音频转录不同，首字延迟和快捷键可靠性比峰值吞吐更重要。
- 使用按住说话的触发方式，可降低误录和权限范围不清的问题。
- 代码、姓名和术语仍需要键盘修正，语音适合初稿而不是盲目替代全部输入。
全局语音输入和普通转录有什么不同
普通转录处理已经完成的音频，允许等待更长时间换取完整上下文；全局听写发生在写邮件、聊天或编辑文档的当下，更重视启动速度、停止准确和文字插入位置。两者使用相似的语音识别技术，却有不同的产品指标。
理想流程是按住 Fn 或自定义快捷键开始，说完松开，文字插入当前光标。明确的按住说话比持续监听更容易理解，也减少无意录入。用户应能看到录音状态，并随时撤销麦克风与辅助功能权限。
第一次设置：权限、快捷键和麦克风
全局听写通常需要麦克风权限来采集声音，并需要辅助功能权限把文字写入当前应用。分别解释两项权限的用途，只从“系统设置 → 隐私与安全性”授权。不要为了排障关闭 Gatekeeper 或授予与功能无关的权限。
选择不与系统功能冲突的快捷键，再测试内置麦克风、耳机和外接麦克风。安静环境下，Mac 内置麦克风通常足够；共享办公室中，靠近嘴部的耳麦能减少他人说话和键盘声。
怎样说，文字更接近可用初稿
一次说一个完整思想，句子之间短暂停顿。先说结论，再补充原因和下一步。对姓名、产品名和代码标识符，预期需要键盘修正；不要为了让模型识别而把自然表达变得过于僵硬。
在邮件中可以口述“背景—请求—截止时间”；在任务工具中口述“动作—对象—日期”；在代码编辑器中更适合写注释、提交说明和文档，而不是逐字符编程。选择语音真正减少摩擦的部分。
本地听写的隐私边界
模型在 Mac 本地运行，可以避免把语音发送到云端转录服务，也能在断网时工作。但识别结果会被插入当前应用；如果目标应用本身会云同步，文本仍可能离开设备。隐私判断必须覆盖输入目标，而不只是识别引擎。
会议、医疗、法律或他人对话仍受录音同意与组织政策约束。全局听写最适合记录自己的话。使用后可在系统权限列表中复查访问，并清理不需要的临时录音。
没有反应、插入错误或速度慢时怎样排查
先在简单的文本编辑器中测试。如果能识别但不能插入，检查辅助功能权限和目标应用限制；完全没有波形，检查麦克风权限与输入设备；快捷键无效，检查是否与系统或其他应用冲突。
速度突然下降时，查看模型是否刚更新或重新加载、设备是否处于低电量模式、是否有其他大型任务占用统一内存。把问题缩小到录音、识别或文字插入三个阶段，比重复重装更有效。
常见问题
Mac 全局语音输入必须联网吗？
如果应用使用已下载到设备的本地模型，识别过程可以离线完成。应用更新、模型下载或目标应用同步可能仍需网络。
为什么需要辅助功能权限？
该权限用于把识别文字插入当前应用的光标位置。它能力较大，应只授予可信应用，并在不用时可随时撤销。
语音输入适合写代码吗？
更适合注释、文档、提交信息和自然语言提示。符号密集的代码通常仍以键盘和编辑器补全更高效。