语音工具
语音输入、语音识别、AI 配音工具总览与选型建议。
AI 语音工具分为三大类：语音输入（ASR）、语音合成（TTS）、语音助手。每个分类解决不同的问题。
如果你还没有用过语音输入，我建议从它开始。这是日常开发中提升效率最直接的方式。
语音输入 (ASR)
语音输入是把说话转成文字，用在写代码注释、打文档初稿、记录想法等场景。
详见 AI 语音输入工具对比，那里有完整的 Mac 平台工具横评。
这里简单说我的结论：
| 工具 | 场景 | 推荐理由 |
|---|---|---|
| 微信语音输入 | 日常输入 | 免费、无缝、识别准，每个 Mac 都有 |
| 闪电说 | 本地/隐私优先 | 免费、本地模型、速度快 |
| 豆包语音输入法 | 多人口语场景 | 识别率极高，支持场景识别 |
| Whisper | 开发者集成 | 开源、可自部署、准确率高 |
| Deepgram | 专业转写 | 云端 API、速度快、支持实时流式 |
语音合成 (TTS)
TTS 把文字转成语音，用在配音、有声内容、产品语音提示等场景。
| 工具 | 特点 | 适合 |
|---|---|---|
| ElevenLabs | 音质最好、多语言 | 专业配音、有声书 |
| MiniMax Speech | 中文效果佳 | 中文内容、短视频配音 |
| 豆包语音合成 | 免费、中文自然 | 入门使用、个人项目 |
| OpenAI TTS | API 集成方便 | 开发者集成 |
选 TTS 工具时，先确认中文效果。很多工具的英文表现很好，中文就变味了。MiniMax 和豆包在中文上反而更稳定。
语音助手
语音助手把 ASR + LLM + TTS 串起来，实现对话式交互。适合做语音笔记、语音问答等场景。
目前还在早期阶段，值得关注的产品：
- Cursor Talk：在 Cursor 里用语音和 AI 对话编程
- Speechnotes：语音速记工具
- Vocol：会议语音转写 + AI 总结
工具对比速览
| 场景 | 首选 | 预算方案 | 开发集成 |
|---|---|---|---|
| 日常语音输入 | 微信 / 闪电说 | — | Whisper |
| 短视频配音 | MiniMax | 豆包语音合成 | ElevenLabs API |
| 会议转写 | Deepgram | — | Whisper |
| 语音助手 | — | — | 自建 ASR+LLM+TTS 管线 |
我的建议
如果你只想做一件事：把微信语音输入用起来。它不需要任何配置，不花一分钱，每天省下的打字时间加起来很可观。
如果你对隐私有要求，用闪电说。本地模型跑在 Mac 的 NPU 上，速度和准确度都不错。
配音的话，日常项目先用 MiniMax 免费额度，效果够用。等到专门做音频产品再考虑 ElevenLabs。
下一步
- 想知道哪个语音输入工具最适合你？看 AI 语音输入工具对比
- 想在项目里集成语音功能？先看 Whisper 或 Deepgram 的 API 文档
AI 语音输入工具对比
基于我自己的使用体验，整理了 Mac 平台几款主流的 AI 语音输入工具。
核心对比表
| 工具名称 | 推荐指数 | 模式 | 费用 | 评价与槽点 |
|---|---|---|---|---|
| 微信语音输入 | ⭐⭐⭐⭐⭐ | 联网 | 免费 | 目前体验最好。集成在微信电脑端，不需要额外下载。识别极准，流式输出，体验顺滑，而且每个人电脑上都有微信。 |
| 闪电说 | ⭐⭐⭐⭐⭐ | 本地 + 云端 | 免费 | 本地模型首选。支持 Mac 本地模型（完全可用本机 NPU/GPU 跑），速度快且保护隐私。 |
| 豆包语音输入法 | ⭐⭐⭐⭐ | 联网 | 免费 | 字节跳动的语音技术很强，识别率高，支持多人口语场景识别。但需要单独装客户端。 |
| 西瓜说 | ⭐⭐⭐ | 本地 | 免费 | 本地模型，速度快，保护隐私，支持自定义 AI 指令。独立开发者作品，还在早期阶段 |
| Wispr Flow | ⭐⭐⭐ | 本地/云端 | 付费 | 体验不错，也是本地识别为主，但价格较贵（订阅制）。 |
| AutoGLM | ⭐⭐ | 联网 | 免费 | 智谱 AI 出品。目前版本 Bug 较多，纯联网模式，经常出现识别失败的情况。 |
| Typeless | ⭐⭐ | - | 付费 | 费用较高，且主观使用感觉不如同类产品顺手。 |
详细评价
1. 微信语音输入（首选）
微信电脑端自带的语音输入，是我现在最常用的。不需要另外装任何东西，每个人电脑上本来就有微信。设置一个快捷键，在任何地方都能直接用语音输入，识别很准，而且是流式输出——你一边说它一边出字，基本不用等。
- 优点：零安装，识别准，流式体验顺滑，完全免费
- 缺点：没有智能润色、智能指令这类进阶功能
2. 闪电说（本地模型首选）
如果你更在意隐私或者网络不稳定，闪电说是目前 Mac 端最好的本地语音输入工具。
- 优点：完全免费，支持本地模型（离线可用，速度极快），在语音输入这个细分领域打磨得很深。
- 适用场景：Mac 用户，追求极致速度和隐私，或网络环境不稳定的情况。
3. 豆包语音输入法
字节跳动的语音技术这几年确实做起来了。识别率极高，长文本输入也不掉链子。最厉害的是它能分辨多人口语场景——客厅里几个人同时在说话，它能识别出谁是谁，只回答你的指令。
- 优点：识别极准，免费，支持多人口语场景识别
- 缺点：需要单独装客户端，手机版还在内测中
4. 西瓜说
- 评价：独立开发者作品，本地模型方案值得关注。
- 缺点：还在早期推广阶段，功能细节和稳定性有待完善。
5. Wispr Flow
- 评价：产品做得不错，也是主打 Flow（流式）体验。
- 缺点：价格太贵（相比免费的闪电说或豆包），性价比不高。
6. AutoGLM（智谱）
- 评价：智谱 AI 的产品（原 M 键/GLM 输入法）。
- 缺点：稳定性堪忧，联网识别模式下经常失败，Bug 较多，目前不推荐作为主力工具。
7. Typeless
- 评价：评论区也经常有人推，功能确实可以。
- 缺点：费用较高（订阅制），微信和闪电说免费已经够用了。