# 免費語音輸入：本機 Whisper 與現成應用程式

> Whisper、Handy、Wispr Flow 和 superwhisper：語音輸入設定、電腦需求、隱私與疑難排解。

Source: https://ailoot.ai/blog/zh-hant-tw/free-voice-input-whisper/
Canonical: https://ailoot.ai/blog/zh-hant-tw/free-voice-input-whisper/
Language: zh-Hant-TW
Publisher: Ailoot (https://ailoot.ai/)
Translation: guide-104
Revision: sha256-bd665971f34b4fb005c66ad042644d435d5d69fb766152be0c2508d8f336bed9


<div class="aside" data-semantic="key-takeaway" role="note" aria-label="本節重點">

重點

用語音聽寫比打字快 3–4 倍。Wispr Flow、superwhisper 等現成應用程式整合了辨識引擎、介面與工作流程功能，但不一定使用相同後端；本文表格將 Wispr Flow 自有引擎與本機 Whisper 分開列出。本機 Whisper 辨識不需訂閱語音 API。下文以 macOS 或 Windows 的具體應用程式，說明模型下載、權限、快速鍵及離線測試。設定時間取決於下載與系統狀況；給代理的一般提示詞只是選擇性的調整協助，並非已驗證的安裝程式。

</div>

本文介紹的使用方式中，幾乎所有內容都是用語音輸入：給 Claude 的提示詞、筆記、貼文，以及通訊應用程式中的回覆。說話比用鍵盤打字快 3–4 倍。本機 Whisper 可以在你的電腦上辨識錄音。不過，文字輸入的目的地是另一個隱私邊界：貼到雲端聊天或提交到線上服務的文字，之後仍會依該服務的行為傳送。

本指南提供直接安裝應用程式的路徑，以及開始依賴聽寫前的簡短驗收測試。之後若遇到具體問題，再請代理協助調查。我們也比較現成付費應用程式的便利性與本機選項。

<div class="aside" data-semantic="ailoot-docs-link" aria-label="Ailoot 文件">

Ailoot 的實用操作說明請參閱[文件](https://ailoot.ai/docs/)。

</div>

## 為什麼要用語音輸入，而不是打字？

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="本節重點">

重點

一般人的打字速度約為每分鐘 40 個字，而說話速度為 130–150 個字。語音輸入打破了速度限制，也讓雙手可以空出來。使用 AI 時，差異尤其明顯：花兩分鐘手動輸入的長提示詞，用半分鐘說出來更容易。

</div>

使用 AI 時，最花時間的不是寫程式，而是組織措辭。你要向 Claude 說明該做什麼，再修改、補充說明。打出這些內容很花時間，說出來則快得多。

數字很簡單：說話速度大約是打字的三倍。這就是「花兩分鐘打完一段文字」與「花 30 秒說完」的差別。一天下來，可以省下數十分鐘。

<div class="aside" data-semantic="callout" role="note" aria-label="提示">

提示

語音特別適合長篇、邊想邊說的提示詞——你可以把整個任務都說出來，包括所有「如果……會怎樣」和「請記得……」等細節。把這一連串想法打出來很不順手，說出來就自然多了。

</div>

此外，雙手可以空出來。你可以在房間裡走動、看另一個螢幕，或拿著杯子。對許多人來說，說話也比坐下來動筆容易，因此能降低開始寫作的門檻。

## Wispr Flow、superwhisper 和 Whisper 有什麼不同？

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="本節重點">

重點

Whisper 是 OpenAI 的開放語音辨識模型，可以在本機執行。Wispr Flow 和 superwhisper 是有各自模型選擇與功能的完整聽寫應用程式；Handy 則是免費開源應用程式。請比較各自的處理模式、工作流程與實際辨識結果，名稱相近不能證明共用引擎。

</div>

這些名稱很容易讓人搞混，我們依序說明。

**Whisper**（OpenAI 的產品，結尾沒有「r」）是一種引擎：可將語音轉成文字的開源模型。它免費、開源，而且能直接在你的電腦上執行。單獨使用時，它就像一具沒有按鈕或視窗的「馬達」；現成應用程式會在底層使用它。

**Wispr Flow**（結尾有「r」，`wisprflow.ai`）是適用於 Mac 和 Windows 的現成付費應用程式。按住按鍵說話，文字就會出現在游標所在的欄位。方便、介面完善，而且安裝後就能使用。

**superwhisper**（`superwhisper.com`）是類似的應用程式，適用於 Mac、Windows 和 iPhone。它提供使用本機模型的免費模式，完整版本則需付費。概念相同：按住按鍵說話，就能取得文字。

**Handy** 是可用於本機語音辨識的免費開源應用程式。下文採用[官方 v0.9.8 版本](https://github.com/cjpais/Handy/releases/tag/v0.9.8)，說明如何在 macOS 或 Windows 設定並驗證選定的本機模型。

<div class="aside" data-semantic="callout" role="note" aria-label="注意">

注意

Wispr Flow 和 Whisper 的名稱幾乎相同，很容易搞混。記住這樣區分：Whisper 是開放的辨識模型，Wispr Flow 則是獨立的聽寫產品；名稱相近並不代表 Wispr Flow 是 Whisper 的外層套裝。

</div>

兩種方式都能將語音轉成文字，但模型、編輯功能與處理位置可能不同。現成應用程式減少設定工夫；本機 Whisper 讓你掌控離線辨識流程。決定之前，請用包含姓名與專業術語的同一段語音比較結果。

## 付費還是免費：Wispr Flow 和 superwhisper 收費提供什麼？

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="本節重點">

重點

付費應用程式每月收取約 $8–15 的訂閱費，提供現成介面、個人字典，以及跨裝置同步。Wispr Flow 有每週上限 2,000 個字的免費方案；superwhisper 則有免費的本機模式。免費的本機 Whisper 不需訂閱辨識服務，但速度與可用模型大小仍取決於硬體。

</div>

以下是付費方案的實際情況：

| 選項 | 價格 | 平台 | 包含內容 |
|----|----|----|----|
| Wispr Flow | 每週 2,000 個字以內免費，之後每月 \$15（年繳則為 \$12） | Mac、Windows、iPhone | 自有引擎＋介面、字典、編輯指令（付費版） |
| superwhisper | 本機模式免費，完整版每月 \$8.49，或一次付約 \$250 購買終身使用權 | Mac、Windows、iPhone | Whisper＋介面，支援離線使用 |
| Handy | 免費，無限制 | Mac、Windows、Linux | Whisper＋Parakeet、開源、離線使用 |
| 單獨使用本機 Whisper | 模型免費，受本機硬體限制 | Mac、Windows、Linux | Whisper 辨識，可在本機設定 |

付費應用程式實際收費的項目如下：

- **現成介面。** 安裝後即可使用，不需要設定。
- **語音指令。** 「逗號」、「新段落」和「刪除上一段」等語音會被辨識為編輯指令（付費版）。
- **同步和字典。** 名稱、術語和個人字典會在不同裝置間同步。

這些功能都很不錯。不過，它們的語音辨識使用的模型類型也有免費版本可用。本文介紹的本機設定不需要訂閱：你開口說話，文字就會出現。

<div class="aside" data-semantic="callout" role="note" aria-label="提示">

提示

若偏好現成的商業工作流程，請比較 Wispr Flow 是否符合你的需求。若想避免辨識服務訂閱費或將音訊處理留在本機，請試用本機 Whisper 應用程式並確認所選模式。下載與權限設定所需時間會隨系統而異。

</div>

語音輸入能減輕撰寫長提示詞的負擔。先選一個應用程式，安裝並測試；出現問題時，再將確切版本、選定模型、作業系統與實際症狀交給代理，而不是請它憑空設計一套不明確的設定。

## 本機 Whisper 如何運作？為什麼能保護隱私？

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="本節重點">

重點

選取本機模型時，Whisper 會在你的電腦上處理麥克風錄音。初次下載應用程式及模型需要連線；選用的線上處理，以及接收逐字稿的應用程式，都需分開看待。使用敏感資料前，先以無害語音離線測試預期的本機模式。

</div>

雲端服務的運作方式是：將語音傳送到別人的伺服器進行辨識，再把文字傳回來。伺服器租用需要成本，因此服務會收費，而你必須信任該公司，將語音交給它處理。

本機 Whisper 的運作方式不同。你只需下載一次模型（檔案約數百 MB 或稍大一些），之後所有處理都會在你的裝置上完成：

1.  ### 按住快速鍵並說話

    按住按鍵時，麥克風會錄製音訊。

2.  ### 電腦上的模型辨識語音

    音訊會直接在裝置上轉成文字，不需要網際網路。

3.  ### 文字輸入到游標所在的位置

    無論是與 Claude 的對話、文件，或瀏覽器網址列，都能輸入。

本機辨識流程不需要付費語音端點，模型下載完成後也能在沒有網路時轉錄。請在本機文字編輯器中驗證。這不會阻止雲端聊天、剪貼簿同步或其他目的地，之後再傳送產生的文字。

<div class="aside" data-semantic="callout" role="note" aria-label="注意">

注意

比較一下：雲端語音辨識每分鐘約需 \$0.006。如果你每天聽寫半小時，光是轉錄每月就會花上好幾美元。本機 Whisper 安裝後永遠免費。

</div>

Whisper 能辨識約 99 種語言，包括哈薩克語和韃靼語等較少見的語言。模型有不同大小，從最輕量（速度快但準確度較低）到最大型（準確度較高但運算負荷較重）都有。

## 哪些電腦適合語音輸入？

相容性與速度取決於所選應用程式版本、模型、語言及硬體。下載前，請確認安裝程式支援的作業系統與處理器架構。較大的模型需要更多記憶體及儲存空間；安裝成功並不能證明辨識速度足以符合你的工作流程。

下方 Handy 流程請從本機 Whisper Small 模型及一句短語開始。查看應用程式顯示的下載大小，並等待下載完成。若載入失敗或延遲過長，請檢查應用程式需求，改試支援的較小本機模型，不要假設每台舊筆電表現相同。比較自己電腦的實際逐字稿與延遲；本指南並未建立通用的最低硬體需求或完成時間。

## macOS 或 Windows 的具體本機聽寫設定流程

本流程使用 [Handy v0.9.8](https://github.com/cjpais/Handy/releases/tag/v0.9.8)。[該版本 README](https://github.com/cjpais/Handy/blob/v0.9.8/README.md#quick-start)說明了本機 Whisper 轉錄、可設定快速鍵，以及麥克風與輔助使用權限。這是依文件整理的流程；並未為本指南實際執行安裝或轉錄。

1. 從該官方版本的附加檔案下載符合自己作業系統及處理器的安裝程式，安裝並開啟 Handy。確認開啟的是指定版本，而非其他網站上名稱相近的應用程式。
2. 在應用程式中下載並選取本機 Whisper Small 模型，等待下載完成。檢查本機辨識時，維持關閉選用的線上後製處理。
3. 允許 Handy 存取麥克風。macOS 若要求在其他應用程式插入文字，請到「系統設定 → 隱私權與安全性」授予它所要求的輔助使用權限。核對應用程式名稱與用途，不要自動同意不相關的要求。
4. 在 Handy 設定中將轉錄快速鍵設為 `Ctrl+Shift+Space`，並選擇按住錄音模式。這是本流程選擇的按鍵，不保證是系統預設值。若應用程式不接受，或已被其他程式使用，請選擇可用組合，並在下列測試使用同一組按鍵。
5. 開啟本機純文字文件並放置游標。按住設定的快速鍵，說出「Voice input test, project alpha」，再放開。錄音應停止，辨識文字應插入該文件。請確認字詞與延遲；標點符號可能不同。
6. 應用程式及模型下載完成後，斷開網路，在本機文件重複同一句無害短語。文字能出現於該處，才證明所選轉錄路徑可離線運作。完成後再重新連線；這不代表接收逐字稿的雲端聊天會將文字留在本機。

若需要代理協助調整，請提供範圍明確的診斷提示詞：

```text
我使用 Handy v0.9.8 及本機 Whisper Small 模型。
作業系統與處理器：[填入實際資料]
選擇的轉錄快速鍵：[填入設定值]
本機編輯器短句測試結果：[描述實際狀況]
請查閱此版本官方說明，找出失敗階段：模型下載或載入、
麥克風收音、快速鍵，或文字插入。
每項權限或修改都要在我套用前解釋原因。
不要改用雲端轉錄 API、購買任何東西或刪除既有檔案。
```

提示詞只是針對具體失敗的選擇性協助。代理說「已完成」或點選允許，不能取代轉錄與離線檢查。

## 如何確認語音輸入能正常運作（以及無法運作時該怎麼辦）

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="本節重點">

重點

使用已設定的快速鍵，在本機文字編輯器測試短句插入。若快速鍵衝突，選擇可用組合，之後也以相同設定測試。另確認麥克風、輔助使用權限及模型下載已完成。

</div>

設定應用程式、下載完成的模型與快速鍵後，請自行執行本機編輯器測試：

1.  ### 將游標放在本機文字文件

    將游標放在本機純文字文件。離線確認不要使用雲端聊天或瀏覽器欄位。

2.  ### 按住設定好的快速鍵

    上文選用 Ctrl+Shift+Space；若已更改，請使用自己的設定。

3.  ### 大聲說出一小段話

    例如：「語音輸入測試」。

4.  ### 放開按鍵

    文字應該會出現在游標所在的位置。

若沒有出現文字，先確認實際失敗的階段。將應用程式、模型、作業系統、已設定快速鍵及症狀，填入上方 Handy 診斷提示詞。不要只憑代理的說明認定問題修復，需回到本機編輯器重試。

請先依序檢查下列原因。

- **無法存取麥克風。** 系統尚未允許程式接收音訊；你需要在隱私設定中允許存取。
- **沒有文字插入權限（Mac）。** 到「系統設定 → 隱私權與安全性」檢查 Handy 所要求的輔助使用權限，再於本機文字編輯器重試。
- **快速鍵衝突。** 檢查 Handy 已設定的組合是否被其他程式使用，選擇可用按鍵，並於後續測試使用同一設定。
- **模型尚未下載或載入完成。** 檢查應用程式中的狀態，完成所選本機模型的下載再測試，不要悄悄改用線上轉錄服務。

## 如果什麼都安裝不了，該怎麼辦？

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="本節重點">

重點

最後的替代方案是使用作業系統內建的語音輸入功能，無需安裝任何東西。Mac 上可以在鍵盤設定中使用「聽寫」；Windows 上則使用 Win+H。它的品質比本機 Whisper 稍差，而且 Windows 選項會透過網際網路運作，不過如果你想立即開始聽寫，又不想下載任何東西，這仍是很好的入門方式。

</div>

有時候沒時間排除問題，但你今天就想開始聽寫。這時可以開啟系統內建的語音輸入功能，而且免費：

- **Mac：**「系統設定」→「鍵盤」→「聽寫」→開啟。在 Apple 晶片上，辨識會直接在裝置上離線執行。
- **Windows：** 按下 `Win + H` 開啟語音輸入面板。請記住，這項功能會透過網際網路運作（辨識在 Microsoft 的伺服器上執行），因此並非私密的離線處理。

它不用安裝，現在就能使用。品質比本機 Whisper 稍差。但若你想避免卡住，今天就開始用語音寫作，這已經很好用了。

<div class="aside" data-semantic="callout" role="note" aria-label="提示">

提示

系統內建選項就像「備胎」。先用它試試語音輸入，看看自己喜不喜歡，再安裝本機 Whisper 以取得完善的辨識品質。

</div>

## Wispr Flow 和免費 Whisper：該選哪一個？

<div class="aside" data-semantic="key-takeaway" role="note" aria-label="本節重點">

重點

若想使用現成工作流程，且能接受每月 $8–15，可比較 Wispr Flow 或 superwhisper。想避免辨識服務訂閱費，或將轉錄留在本機？請遵循所選應用程式的流程，並驗證本機模式；設定時間因環境而異。辨識品質取決於所選模型、語言、麥克風與處理設定。除了設定是否方便，也請以相同語音樣本比較各方案。

</div>

以下是快速選擇指南：

| 你重視的項目 | 選擇 |
|----|----|
| 安裝後立即可用，而且不介意付費 | Wispr Flow（Mac/Windows/iPhone）或 superwhisper |
| 免費使用現成應用程式，不用終端機 | Handy（Mac/Windows/Linux） |
| 依照文件中的本機應用程式流程 | Handy 搭配選定的本機 Whisper 模型 |
| 避免每月支付訂閱費 | 任一免費選項（Handy 或 Whisper） |
| 重視隱私，希望音訊處理留在本機 | 在 Handy 或本機 Whisper 選擇本機模式並離線驗證；輸入目的地與同步另行確認 |
| 不安裝任何東西，立刻開始 | 系統語音輸入（Mac 的聽寫 / Win+H） |

本機選項可避免辨識服務訂閱費，並提供離線轉錄的路徑。開始依賴之前，請在自己的電腦確認品質、速度與離線行為。若商業應用程式的工作流程更省時，也可能更適合你；請以同一句無害短語比較。

先試著用語音輸入你的第一則提示詞。本文介紹的使用經驗中，使用語音輸入幾天後，人們幾乎不再用鍵盤輸入長篇文字。

<div class="section" role="doc-bibliography" aria-label="來源">

### 來源

- [Whisper - OpenAI（GitHub）](https://github.com/openai/whisper)
- [Wispr Flow - 官方網站](https://wisprflow.ai)
- [superwhisper - 官方網站](https://superwhisper.com)
- [faster-whisper - 快速引擎（GitHub）](https://github.com/SYSTRAN/faster-whisper)
- [whisper.cpp - 極簡引擎（GitHub）](https://github.com/ggml-org/whisper.cpp)
- [mlx-whisper - 適用於 Apple 晶片（GitHub）](https://github.com/ml-explore/mlx-examples/tree/main/whisper)
- [Mac 聽寫 - Apple 支援](https://support.apple.com/ru-ru/guide/mac-help/mh40584/mac)
- [Windows 語音輸入（Win+H） - Microsoft 支援](https://support.microsoft.com/ru-ru/windows/use-voice-typing-to-talk-instead-of-type-on-your-pc-fec94565-c4bd-329d-e59a-af033fa5689f)
- [如何安裝 Claude Code](https://ailoot.ai/blog/zh-hant-tw/claude-code/)
- [Claude Code 中的 skills、subagents、MCP 和 plugins](https://ailoot.ai/blog/zh-hant-tw/skills-subagents-mcp-plugins-claude-code/)
- [用手機操作 Claude Code：遠端控制電腦](https://ailoot.ai/blog/zh-hant-tw/claude-code-remote-control-phone/)

</div>



<div class="aside" data-semantic="ailoot-link" aria-label="Ailoot">

你可以前往 [ailoot.ai](https://ailoot.ai/) 繼續探索 Ailoot。

</div>

## 常見問題：免費語音輸入：本機 Whisper 與現成應用程式

### Wispr Flow 和本機 Whisper 一定使用相同引擎嗎？

不一定。Whisper 是開放的語音辨識模型；本文比較中的 Wispr Flow 是使用自有引擎的獨立產品。名稱相近不能證明處理方式或品質相同，請用同一句話與專業術語實測。

### 按下聽寫快速鍵卻沒有文字，該檢查什麼？

檢查麥克風權限、文字輸入或輔助使用權限、快速鍵衝突，以及本機模型是否下載完成，再到文字欄位試一句短語。重視離線隱私時，也要確認選取的是本機辨識模式。


## Ailoot · 公司及其專案組合

Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。

公司及其專案組合：數百萬客戶，每月銷售額達數十億。

Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。