OpenSuperWhisper 评测：macOS 上最被低估的开源语音转文字工具？

OpenSuperWhisper 评测：macOS 上最被低估的开源语音转文字工具？ 30秒结论 ：OpenSuperWhisper 是一个基于 OpenAI Whisper 模型的 macOS 原生听写（dictation）应用。如果你受够了 macOS 自带听写的间歇性抽风，或者不想每月交钱给 Otter.ai，这个免费开源项目值得一试。 但别期待开箱即用 ——你需要自己配置模型、处理依赖，而且目前只支持 macOS。 适合人群：macOS 重度用户、需要离线语音转文字、对隐私敏感、愿意折腾配置的开发者。 不适合：Windows/Linux 用户、不想碰终端的人、需要实时流式转写（目前不支持）。 核心功能：代码实操 1. 安装部署 # 克隆仓库 git clone https://github.com/Starmel/OpenSuperWhisper.git cd OpenSuperWhisper # 安装依赖（需要 Python 3.10+） pip install -r requirements.txt # 直接运行 python app.py 坑点1 ： requirements.txt 里没写版本号，我踩了 numpy 版本冲突的坑。建议手动指定： pip install numpy == 1.26.0 torch == 2.1.0 whisper == 20231117 坑点2 ：macOS 14 Sonoma 上需要手动授权麦克风权限。第一次运行会 crash，因为没处理 PermissionError 。workaround：在 System Settings > Privacy & Security > Microphone 里手动勾上终端或 Python 的权限。 2. 基本使用 启动后会在菜单栏出现一个小图标（类似 macOS 原生听写）。快捷键是 Option + Space （可自定义）。 核心逻辑：按下快捷键 → 录音 → 松开 → 调用 Whisper 转写 → 结果写入当前光标位置。 代码层面 ，核心函数在 whisper_handler.py 里： # 简化版核心逻辑 import whisper import sounddevice as sd import numpy as np class WhisperHandler : def __init__ ( self , model_size = " base " ): self . model = whisper . load_model ( model_size ) self . sample_rate = 16000 def transcribe_from_mic ( self , duration = 5 ): # 录音 recording = sd . rec ( int ( duration * self . sample_rate ), samplerate = self . sample_rate , channels = 1 ) sd . wait () audio = recording . flatten (). astype ( np . float32 ) # 转写 result = self . model . transcribe ( audio , language = " zh " ) return result [ " text " ] 实测 ：默认 model_size="base" 时，中文准确率约 85%。换成 "large-v3" 能到 92%，但首次加载要 2GB 内存，转写一条 10 秒语音需要 8-12 秒（M1 Pro 芯片）。 3. 自定义快捷键 config.yaml 里可以改： hotkey : modifier : " option" key : " space" model : size : " base" # 可选: tiny, base, small, medium, large-v3 device : " cpu" # 或 "mps" (Apple Silicon) output : paste_delay : 0.3 # 转写后粘贴延迟，防止焦点丢失 注意 ： device: "mps" 在 macOS 14.2 上会报 MPS backend not available 。需要安装 PyTorch 的 MPS 版本： pip install torch torchvision torchaudio --index-url https://download.pytorch.org/whl/nightly/cpu 性能测试 测试环境：MacBook Pro M1 Pro (