Mac 上的听写方案，要么订阅制每月扣费，要么自己折腾 STT 模型。最近看到一个开源项目 FluidVoice（altic-dev/FluidVoice，GPLv3），GitHub 上 9.7k stars，1.6.8 最新版两天前刚发——可能是目前最干净的本地替代。
FluidVoice 干的事很直白：本地语音转文字。GitHub 主页上写着「Fastest and only macOS Dictation app with on-device STT and custom trained AI enhancement model」，本地优先写在第一位——语音和文字默认不上云，除非自己主动接入 OpenAI、Groq 之类的云端模型。
几个有意思的细节：
- Fluid Intelligence。1.6.0 引入的本地 AI 后处理——智能格式化、上下文感知大写、纠错，不用 API key。代价是多占约 3.5GB 磁盘。这部分仓库本身没开源（README 写明「privately maintained」），但核心听写代码全在 GitHub。
- 听写模型可选。Nemotron Speech 3.5（流式、低延迟、~40 语言、~670MB）、NVIDIA 的 Parakeet 系列（Flash / TDT v3 / TDT v2，最低延迟）、Cohere Transcribe（~1.4GB、含中文普通话）、Apple Speech（系统自带、零下载）、Whisper 系列（最大兼容、99 语言、Intel Mac 唯一选择）。
- 全局热键，任意应用一键呼出，写完自动通过辅助功能 API 塞进当前光标位置——不用切换窗口。
- Command Mode 用语音启动应用、跑快捷指令；Write Mode 能改写选中的文本。
- 菜单栏常驻，Live Preview 悬浮窗带刘海屏自适应。
按官方文档，Apple Silicon 的 Mac 上跑 brew install --cask fluidvoice 一行装完，第一次启动会引导选模型和热键。Parakeet TDT v3 是默认推荐，但 25 种语言全是欧洲语系——中文场景需要切到 Cohere Transcribe（含普通话、~1.4GB）或 Whisper 系列。理论上延迟 200ms 出头，Live Preview 应该跟得上语速。
要不要上 Fluid Intelligence 取决于你。如果已经习惯让 AI 帮你把口语化的句子整理成邮件/文档格式、顺手修一下错别字，开 3.5GB 换这个本地后处理挺值。如果只是单纯把语音转成文字，原版模型已经够用。
跟订阅制对比感受最深：每个月交钱、订阅到期前邮件提醒、续费价格悄悄涨——一次安装之后就没我什么事。要说缺点，Intel Mac 用户只能用 Whisper（其他模型要 Apple Silicon），iOS 和 Windows 还在 waitlist，Linux 排在后面。Fluid Intelligence 闭源这件事，作者自己也写了「为了可持续地把核心听写免费做下去」，可以理解。
我之前写过好几篇本地 TTS 的文章（Pocket TTS、MOSS-TTS、Fish Audio S2），STT/听写这边正好补上。Mac 用户、想省订阅费、又不想让语音流到云上的，可以试试这个。