苹果新语音 API 跑赢 Whisper，但这场胜利只覆盖英文和苹果设备
作者：周白
周白
OC 原创示意图，非实际产品界面。
据独立开发团队 Inscribe 发布的基准测试，苹果在 macOS 26 和 iOS 26 中提供的 SpeechAnalyzer，在英文 LibriSpeech 数据集上不仅比本地运行的 Whisper Small 更准确，处理速度也快约三倍。整个测试都在一台 M2 Pro Mac 上离线完成。
一句话结论： 苹果的新语音 API 已经成为 Apple 平台上很有竞争力的本地转写方案，但这份测试证明的是英文朗读、指定硬件和较小 Whisper 模型下的优势，不是苹果全面击败了 OpenAI 的语音技术。
最直观的数字是词错误率。SpeechAnalyzer 在 LibriSpeech test-clean 上为 2.12%，在更难的 test-other 上为 4.56%；Whisper Small 经 WhisperKit 转成 Core ML 后分别是 3.74% 和 7.95%。苹果旧版 SFSpeechRecognizer 则是 9.02% 和 16.25%。对做会议记录、字幕或语音笔记的开发者来说，这不是一点边角改进，而是苹果终于把系统级离线识别拉到了可以优先考虑的位置。
为什么苹果能在自家设备上跑得更好？答案未必是模型“更聪明”。SpeechAnalyzer 可以针对 Apple Silicon、神经网络引擎和系统音频管线共同优化；WhisperKit 则要把一个通用模型移植到同一平台。苹果还可以把模型下载、内存调度、流式输入和权限管理做成系统能力。这是垂直整合的优势，不是单纯比参数量。
OC 原创解释图：两种方案优化的目标并不相同。
测试边界同样重要。LibriSpeech 是英语有声书朗读，录音清晰、说话方式规整，和多人抢话、口音混杂、键盘噪音很重的真实会议不是一回事。测试只用了 M2 Pro 和一个系统版本，也没有给出完整的耗时原始表。Whisper Small 只是开放权重 Whisper 家族中的一个尺寸，更不能代表 OpenAI 现在的云端转写模型。
语言覆盖也是现实差异。苹果官方表示 SpeechAnalyzer 支持约 30 个地区与语言环境，Whisper 的多语言覆盖更广，而且能运行在 Linux、Windows、Android 和服务器上。如果你在做跨平台产品、需要自己部署模型或处理小语种，Whisper 仍然更灵活；如果应用只面向苹果设备，SpeechAnalyzer 则省掉了模型打包、下载和硬件适配。
本站编辑周白认为，苹果这次最重要的不是赢下一张基准表，而是把高质量语音识别变成了操作系统能力。开发者无需把录音上传到云端，也不用在 App 里塞进数百 MB 模型，就能提供实时字幕、搜索和摘要的前置转写。对用户来说，这同时意味着更低延迟和更清楚的隐私边界。
真正该做的下一步也很明确：不要只照抄这份英文成绩。准备一组与你的产品一致的真实录音，包含目标语言、设备、噪音和专有名词，再分别测试错误率、首字延迟、耗电与内存。SpeechAnalyzer 很可能已经值得苹果开发者默认先试，但最终选择仍应由自己的数据决定。
评论
围绕这篇文章补充信息、提出问题或分享观察。