Apple SpeechAnalyzer 能替代 Whisper 吗？本地语音转写的工程取舍
如果你正在做会议纪要、离线字幕、客服录音整理，或者任何“不能把音频随便传到云端”的产品，有一个问题迟早会出现：本地语音转写到底该押注系统 API，还是自己带一个 Whisper？ 我以前的直觉是，系统 API 胜在省事，但准确率和可控性通常不如开源模型；Whisper 胜在跨平台、可复现、生态成熟，只是体积和推理成本更麻烦。这个判断在 2026 年可能要改一半。 原因是 Inscribe 在 Hacker News 上发了一组很有意思的测试：Apple’s New Speech API vs Whisper: The First Real Benchmark。他们把 Apple 新的 SpeechAnalyzer、旧的 SFSpeechRecognizer，以及 Whisper Tiny/Base/Small 放在同一台 Apple M2 Pro 上，用 LibriSpeech 的 test-clean 和 test-other 一共 5,559 条 utterance 做了对比，还公开了 summary.json 和部分原始转写文件。HN 也记录了这个帖子的热度和发布时间：Algolia HN item。 结果挺反直觉：SpeechAnalyzer 在这组测试里不是“小幅追上”，而是明显超过了 Whisper Small。test-clean 的 WER 是 2.12%，Whisper Small 是 3.74%；test-other 的 WER 是 4.56%，Whisper Small 是 7.95%。旧的 SFSpeechRecognizer 则分别是 9.02% 和 16.25%。 ...