说完就该出现在光标里：开源跨平台语音输入工具 Whisp，以及它和 Wispr Flow、Superwhisper、Typeless 等的对比

Whisp 是一款开源、跨平台的系统级语音输入工具：按快捷键说话，结束后把转写结果粘贴到当前光标处。本文既介绍它已经可用的功能，也会说明 v2.24.5 中尚未完整接通的本地能力，并与 Wispr Flow、Superwhisper、Typeless、VoiceInk、OpenWhispr、Handy、MacWhisper 做多维度对比。

我们已经很习惯对着手机说话，却很少把语音真正当成电脑上的一种输入方式。

原因不只在识别率。传统流程里最消耗耐心的，往往是识别之后的几步：打开另一个应用、开始录音、等待转写、复制文字、切回原窗口、找到刚才的光标，再粘贴进去。单看每一步都不难，但每天重复几十次，语音输入就会从“更快”变成“又多了一个窗口”。

Whisp 想减少的正是这些操作。它的产品表达很直接：说话即输入，停下即粘贴。

项目入口：本站项目列表 · Whisp 仓库 · 最新发布。本站项目卡片会打开对应仓库，下载、文档和问题反馈仍以仓库为准。

一、真正的阻力，不是识别率，而是最后一步

语音转写产品大致可以分成三类：

1. 文件转写：把录音或视频导入软件，稍后得到字幕或文稿。
2. 会议记录：持续捕获多人对话，重点是说话人区分、摘要、待办与分享。
3. 系统级语音输入：不关心你正在写邮件、回消息、记笔记，还是给 AI 写提示词，只负责把刚说的话送到当前输入框。

Whisp 属于第三类。它把“目的地”从转写软件自己的编辑器，换成了你此刻正在使用的应用。这看似只少了一次复制粘贴，实际改变的是使用频率：当一次语音输入不再要求切换上下文，它才有机会成为键盘的补充，而不只是偶尔处理长录音的工具。

几个典型场景：

• 在聊天窗口里口述一段回复，粘贴后确认内容再发送；
• 在文档或博客编辑器里先说出粗稿，再继续手改；
• 在 Claude、ChatGPT、Cursor 或终端 AI 中口述需求；
• 临时记录灵感，同时保留原始音频，之后重新转写；
• 用自定义提示词把口语整理成邮件、说明书或正式文案。

二、30 秒说清楚 Whisp 是什么

Whisp 是一款面向 macOS、Windows 和 Linux 的系统级 AI 语音输入工具。按一下全局快捷键开始说话，再按一次结束，应用会完成转写，并把文字粘贴到光标处；开启静音检测后，也可以在说完时自动收尾。

全局快捷键
    ↓
录音、静音检测与状态浮窗
    ↓
云端转写（v2.24.5 的当前主路径）
    ↓
可选 AI 润色
    ↓
粘贴到当前应用 + 写入本地历史

截至 2026 年 9 月 28 日，项目最新正式版是 v2.24.5，采用 Apache License 2.0 开源。技术栈是 React、TypeScript、Rust 与 Tauri v2，历史数据使用 SQLite/FTS5 保存；项目 README 也注明它由 NanoWhisper 演进而来。

先把边界说清楚：

• 它不是会议机器人。 不会为了输入一句话，让一个机器人加入 Zoom 或飞书会议。
• 它也不只是音频转文字。 最终得到的不是孤立的转写稿，而是光标处可以继续编辑、确认和发送的文字；Whisp 本身不会替你点击“发送”。
• 它不要求购买 Whisp 订阅。 软件免费，但当前主路径需要用户配置自己的云端 API Key，费用由对应服务商收取。
• 当前版本不能简单等同于“完整纯离线”。 项目已经包含本地 Whisper、模型管理和云端失败后的本地回退代码，但 v2.24.5 的常规录音流程仍先调用云端，模型选择与纯离线入口也尚未完整接通。本文会把“已经可用”和“正在完善”分开描述。

这张图把录音、转写和粘贴拆开了。润色是可选步骤；最后仍由自己核对文字并发送，不是说完就自动发出消息。

三、第一次使用：四步完成一段语音输入

1. 下载对应安装包

GitHub Releases 提供以下构建：

macOS 最低版本为 13。Windows 和 Linux 当前没有正式 ARM 安装包。

2. 配置转写服务

当前正式版的日常录音链路需要云端 API Key，可配置 OpenAI、Groq、小米 MiMo 等服务，也可以填写 OpenAI 兼容接口。BYOK（Bring Your Own Key）的含义是模型选择权和账单归用户，不代表云调用免费。

项目也提供 tiny、base、small、medium、large-v3-turbo 等本地 Whisper 模型及英文/多语言变体，下载体积约 78 MB 至 1.63 GB。不过在 v2.24.5 中，“已下载模型”与常规转写主流程的连接仍不完整。如果你的首要要求是断网可用，建议先在自己的机器上验证，再决定是否迁移日常工作流。

API 配置页把接入点、密钥和连接参数放在一起。图中密钥保持隐藏，也没有点击测试连接；这里展示的是设置位置，不是服务可用性或模型效果的验收结果。转写接口与后面的 AI 润色接口要分别核对，不能只填好其中一个就认为两步都能工作。

3. 授权必要权限

所有系统都需要麦克风权限。macOS 上若要把文字粘贴进其他应用，还要授予辅助功能权限；这是系统级输入工具调用键盘粘贴能力所必需的。

上图是 macOS 版 v2.24.5 的实际设置界面。快捷键和权限在同一页；权限是否已授权，要以你自己的系统状态为准。

4. 按快捷键，说话，再停下

• macOS 默认快捷键：右 Command；
• Windows 默认快捷键：右 Ctrl；
• Linux 默认不预设全局快捷键，需要先自行配置组合键；
• Esc：取消当前录音。

录音时会出现胶囊形浮窗并显示波形。高级设置里的流式文字仍属于实验能力，默认关闭；开启后才能在录音过程中看到增量文字。最终速度会受到录音长度、网络、所选服务和接口排队情况影响。

行为页控制的是转写之后的动作。文字已经生成却没进入输入框时，先看自动粘贴与辅助功能权限；需要排查识别失败时，保留音频便于重试。图里的 350 毫秒是当前设置，不是所有应用都适合的统一值。

先在日常输入框里试一遍

第一次可以先打开一个空白笔记，把光标放进正文，口述一句包含人名、数字和标点的话。结束录音后，检查文字是否到了原来的位置，再检查名字、日期和数字有没有认错。先把“录音 → 转写 → 粘贴”跑通，再试 AI 润色，出了问题也更容易分清是哪一步。

录音页可以调整静音检测和转写提示词。截图展示的是本机当前设置，不是推荐参数：停顿多、环境吵时，先手动结束录音通常更容易判断问题。涉及业务术语可以补提示词，但它不是识别正确率的保证；发出消息前仍要自己确认。

如果已经看到了转写文字，但目标应用里没有出现，先确认输入框仍有焦点，再检查快捷键和 macOS 辅助功能权限。如果转写本身失败，再查 API 配置与网络。不要把粘贴失败和识别失败混成一个问题。

没有录到声音、转写失败和粘贴失败要分别查。先确定是否已经有转写文字，再查对应一层，避免为了修粘贴去反复换模型。

四、功能全景：它不只负责把声音变成字

1. 录音与实时反馈

Whisp 的录音层做了不少“不显眼但决定日常体验”的工作：

• 全局热键启停，不必先打开主窗口；
• VAD 静音检测：先校准环境底噪，再用自适应阈值判断是否说完；
• 录音开头保留预缓冲，减少第一个字被切掉的概率；
• 自动裁掉首尾静音，降低无效上传；
• 可选保留 WAV，识别失败后不必重录；
• 显示波形、音量与静音状态，便于及时发现无输入或音量过低；
• 可选实验性流式转写与打字机效果。

v2.24.5 的更新记录 主要围绕实时体验继续打磨：降低连续语音分片延迟、让字幕自动滚动、改进 CJK 文本合并，并把录音采集与云端识别解耦为有界、有序的并发流程。

2. 云端优先，也为本地识别留出了扩展路径

Whisp 已接入多种云端转写服务与 OpenAI 兼容接口，用户可以自己选择端点、模型和 API Key。项目内部也集成了 whisper-rs，提供模型下载、本地转写命令与云端失败后的回退逻辑。

但从 v2.24.5 的实际调用链看，正常录音会先检查是否已配置 API Key，再尝试云端；流式模式的最终结果同样会回到云端识别。也就是说，“有本地引擎”目前不等于“界面里可以自由切成纯离线模式”。这是理解 Whisp 当前成熟度最重要的一条信息。

模型管理页能看见已下载模型、磁盘占用和按本机内存给出的推荐。推荐文字是软件的提示，不是本文做过的准确率测试；模型已经下载，也不改变上文所述的 v2.24.5 调用链限制。

3. 从识别结果到更像成稿的文字

原始 ASR 往往会保留口头禅、重复与不完整句。Whisp 已接入可选 AI 润色，可以纠错、去掉“嗯、啊、那个”，把口语整理成书面语，或执行自定义提示词。转写与润色可以使用不同端点，例如用低延迟 ASR 完成识别，再用另一个兼容模型整理文风。

对中文场景，当前代码已经实际覆盖了 CJK 流式分片合并、简体中文界面与错误提示、小米 MiMo 转写适配，以及自定义词汇提示。源码中还能看到标点/空格规则引擎，以及医疗、法律、科技、金融等领域预设字段；不过它们尚未进入主转写管线或形成完整界面，因此更适合视为后续方向，而不是 v2.24.5 的现成功能。

AI 润色单独配置 URL、Key 和模型，下方还有自定义提示词入口。想保留自己的口气，可以在提示词里限定只纠错、不扩写；真正输出了什么仍要读一遍，不能因为开启了润色就跳过数字、姓名和语气检查。截图只展示配置，没有发送新的转写或润色请求。

AI 润色页往下还能设置提示词，界面列出 {text}、{language}、{model} 三个变量。这里展示的是现有配置，没有修改提示词，也没有发送新的 API 请求。要少改原话，可以先把允许修改的范围写清楚，再用自己的转写结果检查。

4. 本地历史把一次输入变成可回看的资料

每次转写会进入本地 SQLite 历史。历史页及相关模块目前覆盖这些能力：

• 本地全文搜索；英文检索路径较明确，中文分词效果仍需用真实数据验证；
• 标签与按标签筛选；
• 原始音频播放与失败任务重试；
• 按需生成摘要、关键词和待办；摘要并不会作为历史字段永久保存；
• 时长、成功率、Token 与费用估算；
• TXT、Markdown、CSV、JSON、SRT 等格式导出；
• 运行日志、权限与连接状态诊断。

这让 Whisp 比“贴完就结束”的极简工具多了一层价值：一句临时口述可以变成之后能搜索、复听和重新处理的个人资料。

复听和重试依赖保留下来的音频，搜索依赖已保存的文本。摘要是按需生成，不等于历史里永久多了一份摘要。

应用设置里有导出、导入设置和自定义词汇表入口。图中的词汇表未开启；启用后，词汇会作为提示词发送给 Whisper API，不是留在本机的替换词典。设置导出使用剪贴板，这次没有执行导出或导入。

五、数据到底去了哪里：开源不等于所有数据都在本地

按 v2.24.5 的实际链路看，数据分三路处理：

单独导出的设置 JSON 不包含 API Key。不过应用会把主转写、润色、摘要和说话人分离等功能使用的 API Key 保存到本地 settings.json；其中主转写与润色的 API Key 还会尝试额外写入系统钥匙串。换言之，钥匙串是增强保护，并非唯一存储位置。完整备份 ZIP 会包含 API Key，也应按敏感文件保管。在共享电脑、同步应用数据目录或做整机备份时，同样要保护 Whisp 配置文件。

看数据去向比看“开源”两个字更有用。音频交给 ASR，润色后的文本处理又涉及另一家服务；配置和完整备份里的 Key 也要单独保护。

六、横向对比：八款同类工具放在一起看

这里比较的是以“把语音送进当前输入框”为核心或明确支持这一工作流的产品。Otter、Notta、Granola 等更偏会议纪要，因此不放入主表。价格和免费额度以 2026 年 9 月 28 日的官方公开信息为准，之后可能变化；第三方 API 费用另计。

1. 平台、开放方式与价格

2. 离线、BYOK 与产品重点

3. 隐私与使用成本怎么理解

• Whisp、VoiceInk、OpenWhispr、Handy 的代码可检查，也允许用户自己选择服务；但只要开启云端识别或 AI 后处理，数据处理责任就会随所选端点变化。开源不自动等于离线。
• Wispr Flow、Typeless 把主要计算交给托管云，配置更少，也意味着网络和服务方政策进入关键路径。Typeless 官方强调零留存，并允许用户选择是否同步历史。
• Superwhisper、VoiceInk、Handy、MacWhisper 都提供明确的本地识别路径，更适合把断网可用列为硬条件的用户。
• Whisp 当前的组合特征是跨三大桌面系统、BYOK 与本地历史同时存在；特别需要注意的则是纯离线入口还没有完整落地。

4. 功能范围与取舍

• Wispr Flow：服务完成度和跨移动端体验突出，适合希望少配置、接受订阅与云端处理的个人或团队。
• Superwhisper：本地与云端模式较丰富，适合愿意为高级模型、上下文模式和扩展工作流付费的重度用户。
• Typeless：更强调“理解你想表达什么”，不是只把声音逐字写下来；代价是对云端依赖明显。
• VoiceInk：把本地模型、按应用模式和原生 macOS 体验结合得很紧，但平台范围集中在 Apple Silicon Mac。
• OpenWhispr：覆盖语音输入、会议、Agent、语义搜索和团队协作，边界较广；相应的设置与学习成本可能更高，资源占用则应以实测为准。
• Handy：核心本地模式更精简，同时已经补上实验性可选 AI 后处理、历史和词典，并非只能做“原样转写”。
• MacWhisper：Mac 版既能处理文件和会议，也有全局热键听写及按应用提示词；iPhone/iPad 上另有同系的 Whisper Transcription，移动版以录音和文件转写为主。
• Whisp：当前更像一套年轻、开放、云端优先的跨平台语音输入工作台，本地引擎和回退显示了清晰的离线方向，但不能提前把方向写成现状。

七、性能比较：统一测试条件比单一数字更有意义

语音输入的“快”和“准”至少受麦克风、语言与口音、句子长度、所选模型、硬件性能和网络状况等因素影响。把各家官网在不同测试条件下给出的倍速或准确率拼在一起，无法形成公平结论。

更实用的做法，是在同一台机器上准备同一组中英文样本，分别记录：

1. 按下停止到文字出现的时间；
2. 人名、产品名和中英混说的错误数；
3. 长句是否丢开头、结尾或重复分片；
4. AI 润色是否改变事实；
5. 断网后的可用性；
6. 连续使用 30 分钟后的内存、温度与电量。

Whisp 的常规安装包大约为 5–8 MB，Linux AppImage 约 85 MB，采用 Tauri，因此应用外壳相对轻量；但完整离线方案还要另行下载 78 MB 至 1.63 GB 的模型。安装包大小、模型体积和运行内存是三件不同的事。

这是一张测试准备图，不是跑分。用同一组录音才能区分模型、网络与输入动作的差别；文字出现快，也不代表人名和数字正确。

八、Whisp 的核心优势与当前限制

核心优势

1. 三大桌面系统都有正式构建。 macOS Intel/Apple Silicon、Windows x64 与主流 Linux 包均覆盖。
2. 代码、数据结构和构建过程可检查。 主分支 CI 覆盖 Rust 格式与 Clippy、测试、TypeScript、ESLint、前端测试和版本一致性。
3. 不把用户锁在单一模型或订阅里。 当前可以使用自己的云端额度与兼容接口，项目也已经实现本地引擎与回退基础。
4. 中文场景进入了真实实现。 CJK 流式分片合并、简中界面、错误提示、MiMo 适配与自定义词汇提示都不是一句“支持中文”带过。
5. 历史记录是完整工作流的一部分。 搜索、标签、音频重试、按需摘要、导出和费用统计，让每次输入有迹可循。

当前版本需要诚实面对的限制

1. 纯离线工作流尚未完整接通。 v2.24.5 的正常录音仍要求 API Key 并优先调用云端，本地模型选择、手动离线转写和自动回退需要继续完善。

2. macOS 尚未完成 Apple 公证。 最新 DMG 使用 ad-hoc 签名，初次安装可能出现“无法验证开发者”。官方目前给出的处理方式是：

   BASH复制

   xattr -cr /Applications/Whisp.app
   

   通常无需 sudo；若应用目录权限确实不足，再根据系统提示处理。状态可查看项目的 Notarization Guide。

3. 项目还很年轻。 仓库创建于 2026 年 3 月，社区规模、长期兼容性和边缘设备覆盖都不能与头部商业产品直接画等号。
4. 没有 iOS 或 Android 正式版。 同一项目可以覆盖三大桌面系统，但不能在电脑与手机之间接续会话。
5. BYOK 需要配置与成本意识。 用户要理解端点、模型名、Key、限额和账单；本地设置文件也需要按敏感数据保护。
6. Linux 体验更依赖桌面环境。 默认快捷键需要手动设置；自动粘贴在部分 X11/Wayland 环境中可能需要 xdotool、ydotool 或 wtype，应先在自己的发行版上验证。
7. 部分功能仍在接线。 规则后处理、领域预设、共享目录同步、实验性流式文字和无缝回退，不宜只看 README 的功能清单判断成熟度。

九、到底该选谁

• 想要跨手机和电脑、团队管理、最少配置：优先看 Wispr Flow。
• 想要本地能力、丰富模型和高级模式：优先看 Superwhisper。
• 想让 AI 深度理解散乱口述并直接重写成稿：优先看 Typeless。
• 只用 Apple Silicon Mac，重视开源、本地隐私和按应用模式：优先看 VoiceInk。
• 想要开源的 Dictation + 会议 + Agent 工作台：优先看 OpenWhispr。
• 想要免费、本地 ASR、简洁输入，同时愿意尝试实验性 AI 后处理：优先看 Handy。
• 只用 Mac，希望把系统听写、文件与会议转写放在一个成熟应用里：优先看 MacWhisper。
• 想要三大桌面系统、开源、中文适配、BYOK 和本地历史，也愿意接受当前版本的云端优先与配置成本：Whisp 值得尝试。

Whisp 最有辨识度的地方，不是它已经在每个维度上超过了成熟产品，而是它把系统级语音输入做成了一套可检查、可扩展的桌面工作流。现阶段，它更适合愿意自行配置 API Key 的云端转写用户；本地引擎和回退代码展示了离线方向，但纯离线工作流仍需继续接通。

当语音输入不再要求离开当前窗口，它才真的像一种输入方式。

项目地址：https://github.com/sexyfeifan/Whisp
最新下载：https://github.com/sexyfeifan/Whisp/releases/latest

十、资料与口径说明

本文的 Whisp 功能以项目 README、CHANGELOG、Release 与 v2.24.5 源码为准；竞品信息来自各自官网或官方仓库，核对日期为 2026 年 9 月 28 日：

• Wispr Flow 定价与功能
• Superwhisper 官网与价格
• Typeless 定价 与 数据控制
• VoiceInk 官网 与 GitHub
• OpenWhispr 官网 与 GitHub
• Handy 官网 与 GitHub
• MacWhisper 官网、听写文档、iOS 版文档 与 价格页

软件价格、免费额度和功能会变化；隐私部分描述的是产品公开政策与可见实现，不构成对第三方服务的安全背书。