每日开源 · 第 090 期FluidVoice当语音转文字都在上云这个 Mac 项目选择了全本地8 种 ASR 引擎 · 本地 AI 润色 · 语音操控 Mac2026-07-11 · 周五⚠️ 免责声明本工具依赖境外公开数据源GitHub 等部分平台在中国大陆需合规网络环境访问。本文仅作技术分析不构成任何投资或商业决策建议。7.2kStars8ASR 后端40语言100ms感知延迟 项目速览项目名FluidVoice作者altic-dev语言Swift 99.7%协议GPLv3核心开源Fluid Intelligence 闭源版本v1.6.22026-07-06 构建Stars7,257 · 今日 830 定位macOS 最快的本地语音听写应用 AI 润色 语音控制标签语音转文字本地优先SwiftmacOS隐私****AI 增强 它能解决什么问题❌云端语音工具数据上传— Otter.ai、Wispr Flow 等默认把你的语音数据上传到云端服务器。在法律、医疗、金融等合规行业语音数据出境是不被允许的。❌macOS 自带听写精度差— 按两次 Fn 键能用但识别精度对中文、专业术语几乎不可用而且部分功能依赖网络。❌没有模型选择权— 不管是云端还是系统自带模型是厂商替你决定的。你说中文它可能给你跑了个英语优先模型识别结果满屏乱码。❌订阅费用持续出血— Wispr Flow 个人版 $15/月Otter.ai Pro $16.99/月。一个听写工具一年要花近 200 美元。❌没有语音控制能力— 只能说话变文字不能说话操控电脑。写邮件、开应用、跑快捷指令——全是手动。✅FluidVoice 的回答语音数据默认全部留在你的 Mac8 种 ASR 后端你自己选Fluid-1 本地 AI 模型做后处理润色Command Mode 让你用语音操控整台 Mac——而且永久免费无任何订阅层级。 核心亮点️ 亮点一8 种 ASR 后端随便挑FluidVoice 不是绑定某一家语音模型而是把市面上主流的本地 ASR 引擎全塞进同一个 SwiftUI 应用里。从零下载的 Apple Speech 到高精度 Whisper Large从 NVIDIA Parakeet 到 Cohere Transcribe——选择权在你手里。Nemotron Speech 3.5 — Ultra Fast Low Latency流式多语言听写~670 MBApple Silicon 专用~40 种语言 · 流式 · 低延迟首选Nemotron 3.5 Multilingual更高精度多语言听写~530 MBApple Silicon~40 种语言 · 精度优先Parakeet Flash (Beta)英语最低延迟实时听写~250 MBNVIDIA 出品英语专用 · 最低延迟 · v1.6 主推Parakeet TDT v325 种语言快速默认听写~500 MB体积精度甜点25 种语言含中文普通话· 推荐默认Cohere Transcribe高精度多语言听写~1.4 GB含中文日韩阿拉伯语14 种语言 · 高精度 · 体积最大Apple Speech零下载原生 macOS 语音系统自带系统语言 · 零下载兜底 · Intel Mac 可用Whisper (tiny/base/small/medium/large)最广兼容性Intel Mac 的唯一选择99 种语言 · Intel 唯一选项 · 75MB~2.9GB模型选择决策树Apple Silicon 中文用户 → Parakeet TDT v325 种语言含中文~500 MB英语追求最低延迟 → Parakeet FlashIntel Mac → Whisper medium 或 large。 亮点二Fluid Intelligence — 本地 AI 润色层ASR 把声音转成文字只是第一步。Fluid Intelligence 是 v1.6.0 主推的核心特性——一个完全本地运行的 AI 模型在转录之后跑一遍智能润色。它能做什么·智能格式化— 把逗号 句号 句号自动改成正常标点·上下文感知大小写— 识别人名、地名、缩写自动大写·自适应语调— 根据当前活跃应用自动调整输出风格·后处理修正— 修正日期、姓名、数字格式·零数据外传— 无需云端、无需 API 密钥约 3.5 GB 本地模型⚠️ README 原话We’re keeping Fluid Intelligence private for now so we can sustainably offer the core dictation experience for free.核心听写 App 是 GPLv3 完全开源但 Fluid-1 模型本身是 altic-dev 私有的商用资产。这个分层许可在开源听写类项目里属于正常操作——你可以自由审计主程序代码但不能自行编译 Fluid-1 模型。 亮点三自适应语调 — 同一句话不同输出这是 FluidVoice 最有意思的功能。它自动检测当前聚焦的应用然后为同一段语音选择不同的语调配置文件。同一句话不同场景输出截然不同 你的原始语音“hey so um the deploy broke because of the config change from yesterday, I fixed it but we should probably review those before pushing to prod going forward” Slack [#engineering](javascript:随意语调“hey team — deploy broke from yesterday’s config change. fixed it now, but we should probably start reviewing configs before pushing to prod” 邮件正式语调“Hi team, the deployment failed due to a configuration change made yesterday. I have resolved the issue. Going forward, I recommend we review configuration changes before deploying to production.” GitHub Issue结构化语调Issue [#142](javascript: · Deployment failed — config change · Resolution: Fixed and verified in staging · Action item: Require config review before prod push 个人笔记精简语调“deploy broke from yesterday’s config change. fixed it. need to set up config review before prod pushes going forward.”你还可以为任何应用编写自定义提示词——Slack 随意、邮件正式、GitHub 结构化、VS Code 注释风格——完全由你定义。⚡ 亮点四Command Mode — 语音操控 Mac不只是说话变文字而是**“说话操控电脑”**。按下热键 说出命令词FluidVoice 触发 macOS 的应用启动、快捷键、系统操作。· “Open Safari” → 启动 Safari· “Send message to Alice” → 调用 Messages· “Run shortcut 晨间例程” → 执行 Apple Shortcut底层走的是 CommandModeService FunctionCallingProvider结合 macOS Shortcuts、Accessibility API 和自定义 function calling schema。Command Mode完全本地不需要任何云 API。✍️ 亮点五Write Mode — 任意文本框语音输入选中任意文本框里的一段文字按下热键说改写得更正式一点或者翻译成英文FluidVoice 调用可选 AI provider 重写这段文字再直接替换回去。支持 4 种 AI Provider· OpenAI云端· Groq云端速度快· 自定义 OpenAI 兼容端点·Fluid Intelligence本地约 3.5 GB 模型API Key 安全存储于 macOS Keychain代码侧由 KeychainService 负责。 亮点六Live Preview — 刘海感知浮层v1.6.0 新增实时转录浮层支持 MacBook 刘海屏适配。说话时文字实时出现在浮层中松开热键后自动插入光标位置。浮层形态可配置——从药丸形到大型浮层一切皆可选。️ 实战场景展示场景一写英文邮件在邮件客户端中按下热键说出“Dear John, I hope this email finds you well. I’m writing to confirm our meeting scheduled for next Tuesday at 2 PM.”Fluid Intelligence 自动添加标点、格式化段落并注入邮件正文。语调自动切换为正式风格。场景二代码注释听写在 Xcode 中按下热键说出“Function to load user preferences from JSON file, returns dictionary or empty if file not found.”文字直接注入到代码注释位置无需手动输入。语调自动切换为技术描述风格。场景三语音控制 Mac按下热键说Open Safari 搜 GitHubFluidVoice 立刻启动 Safari 并触发搜索。全程不碰键盘。还可以说Run shortcut 晨间例程触发一连串 macOS 快捷指令自动化。场景四合规行业语音记录法律、医疗、金融等行业有严格的语音数据合规要求——数据不能出境。FluidVoice 默认全本地运行零上传是这些行业目前 macOS 上最好的听写选择。⚔️ 竞品对比FluidVoice vs macOS 自带听写 vs Otter.ai离线可用 FluidVoice ✅ 完全离线 · macOS 听写 部分依赖网络 · Otter ❌模型选择 FluidVoice 8 种 · macOS 系统固定 · Otter 厂商固定数据隐私 FluidVoice 零上传 · macOS Apple 处理 · Otter 上传云端跨 App FluidVoice ✅ 任意文本框 · macOS 仅系统文本框 · Otter 仅 App 内命令控制 FluidVoice ✅ 系统操作 · macOS ❌ · Otter ❌开源 FluidVoice GPLv3 · macOS ❌ · Otter ❌价格 FluidVoice 免费 · macOS 免费 · Otter 免费/订阅FluidVoice vs Wispr Flow商业竞品价格 FluidVoice 永久免费 · Wispr Flow $15/月数据隐私 FluidVoice 零上传 · Wispr Flow 云端处理AI 润色 FluidVoice 本地 Fluid-1 · Wispr Flow 云端模型模型选择 FluidVoice 8 种 · Wispr Flow 厂商固定开源 FluidVoice GPLv3 · Wispr Flow 闭源社区用户评价“This is a really impressive app, speedy and accurate. It’s just as good as Wispr Flow in my testing.” 适用边界✅适合· Apple Silicon macOS 15 用户希望把听写、命令模式、改写模式三件事在一个应用里搞定· 有数据合规要求的行业法律、医疗、金融——云端听写不可用本地是唯一选择· 对 Apple 原生听写精度不满意的用户——8 种模型意味着可以换更好的· 想要语音控制 Mac 的用户——Command Mode 是意外惊喜⚠️不太适合· Intel Mac 用户——除 Whisper 之外所有模型都要求 Apple Silicon体验打折扣· macOS 14 或更早系统的用户——最低 macOS 15.0 Sequoia· 需要完全开源栈的用户——Fluid-1 模型本身是私有的· 需要会议转录 摘要全流程的用户——FluidVoice 不做这个Otter.ai 更合适 上手指南# 一行命令安装推荐brew install --cask fluidvoice# 或者手动下载 DMG/PKG# https://github.com/altic-dev/FluidVoice/releases/latest# 从源码构建git clone https://github.com/altic-dev/FluidVoice.gitcd FluidVoiceopen Fluid.xcodeproj# 在 Xcode 中 Build and Run# 或使用构建脚本./build.sh1****安装Homebrew Cask 一行安装或从 Releases 手动下载。两条路功能无差异。2****授权首次启动时授予麦克风和辅助功能权限。两者都建议始终允许否则 macOS 会在重启后反复弹窗。3****设全局热键进设置挑一个全局热键推荐 ⌥ Space。FluidVoice 推荐按住说话、松开停止类似对讲机模式。4****选 ASR 后端中文用户推荐 Parakeet TDT v325 种语言含中文~500 MB。英语用户追求最低延迟选 Parakeet Flash。Intel Mac 只能用 Whisper。5****启用 Fluid Intelligence可选在引导流程中下载本地 AI 模型约 3.5 GB。如果 Mac 内存较小8 GB建议先用云端 AI provider等后续版本再评估。6****添加云端 AI Provider可选添加 OpenAI、Groq 或自定义端点 API Key安全存储于 macOS Keychain。选Always allow以避免反复弹窗。我的推荐顺序来自 txtmix.com 深度文章先用 Apple Speech 跑一遍 Onboarding 确认流程通了 → 切到 Parakeet TDT v3 当默认 → 嫌识别不准叠 OpenAI 作为改写 provider → Fluid Intelligence 等 v1.7 系列再观察3.5 GB 内存对老款 M 系列不太友好。# 模型选择决策树# 你有 Apple Silicon Mac 吗ifApple_Silicon: if中文/多语种: → Parakeet TDT v3# 25语种, ~500MBelif英语最低延迟: → Parakeet Flash# ~250MBelse: → Nemotron Speech 3.5# 流式, ~670MBelseIntel_Mac: → Whisper medium/large# 唯一选项️ 架构速览# FluidVoice 三层架构# 第一层语音捕获 模型选择层麦克风 → 全局快捷键触发 → 模型选择层 Nemotron 3.5 │ Parakeet │ Cohere Apple Speech │ Whisper (T/S/M/L) → # 本地推理 (Apple Silicon / Intel)# 第二层转录输出 → Live Preview (刘海感知浮层) → 直接插入当前光标位置 # 第三层可选增强 → Fluid Intelligence# 本地 AI 增强层 智能格式化 · 上下文大小写 · 自适应语调 → 云端 AI Provider# 可选 OpenAI / Groq / 自定义端点关键依赖Package.swift 6 个· FluidAudio — 自家音频框架承载 Parakeet/Nemotron/Cohere· SwiftWhisper — Whisper 的 Swift 封装· DynamicNotchKit — 自家组件MacBook 刘海实时转录浮层· AppUpdater — 自动更新· PromiseKit — Promise 链· PostHog — 匿名分析默认开启可在设置关闭核心源码规模· ContentView.swift — 188 KB主 SwiftUI 视图· ASRService.swift — 150 KB转写核心调度· GlobalHotkeyManager.swift — 86 KB热键管理· TypingService.swift — 54 KB智能输入· CommandModeService.swift — 38 KB命令模式· SettingsStore — 195 KB十几个扩展点配置 隐私模型✅默认状态local-first· 语音、音频、转录文本默认全部留在本机· 零上传零云端依赖零数据外传· Fluid Intelligence 模型完全本地运行⚠️会上传数据的场景用户显式开启了 OpenAI/Groq/自定义云端 provider 用于增强或改写时。绝不收集语音、原始音频、转录文本、选中文本、提示词、AI 回复、终端命令、窗口标题、文件路径、剪贴板、键入内容。匿名分析PostHog默认开启但可关闭Settings → Share Anonymous Analytics。仅收集 app 版本、macOS 版本、低基数 feature flag。FluidVoice 在一个人人都在上云的市场里选择了全本地——不是技术不行是用户群不同。语音转文字的下一个战场不是谁的识别率更高是谁的数据治理更干净。⚡ 性能数据3,380x实时因子100ms感知延迟3.7x语音 vs 打字24min最长单次转录·实时因子最高 3,380x— 1 秒内可处理近 1 小时的语音·感知延迟 100ms— 快到感觉即时·说话速度是打字的 3.7 倍— 口述 150 词/分钟 vs 打字 40 词/分钟·单次处理最长 24 分钟— 无需手动分割长音频· CoreML Metal 实现 Apple Silicon 低延迟转录保持电池效率 今日一句话总结FluidVoice 在一个人人都在上云的市场里选择了全本地——8 种模型选择权 本地优先架构 自适应语调 语音控制 Mac是合规场景和隐私敏感用户目前最好的 macOS 选择。 GitHubgithub.com/altic-dev/FluidVoice 官网altic.dev/fluid Discorddiscord.gg/VUPHaKSvYV⚠️ 免责声明本工具依赖境外公开数据源部分平台在中国大陆需合规网络环境访问。本文仅作技术分析不构成任何投资或商业决策建议。