Mac 听写工具的技术内幕，从 ASR 管线到语音 Agent，九款怎么选（2026）利益相关。我是 Viora 团队

利益相关。 我是 Viora 团队的人。Viora 是这篇会讲到的工具之一，所以我有立场。掘金上的读者大多是工程师，糊弄不过去，所以我把话说前面。别人在某些技术点上做得比我们好，我直接说，也给你贴官网。你看完觉得别的更合适，那就用别的，这才对。文里关于 Viora 的架构，我只讲处理位置和模式，不点名具体的模型供应商，原因后面隐私那节会说。

先说个很多人都有的经历。三四年前在 Mac 上试听写，说了一句带"逗号"的话，屏幕上真打出"逗号"两个字，然后这功能再也没打开过。这不是 Bug，是那一代听写的设计就是给短输入用的。这两年才真的变好，所以值得重新看一看。

这篇不只是横评。我会先把听写背后的技术栈拆开讲，一段语音到底怎么变成字，端侧和云端差在哪，为什么自带听写"够用但难受"。把原理搞清楚，你再看那九款工具，就知道每一款到底在补哪个环节，而不是被宣传词牵着走。

Viora 在 Mac 邮件里听写，整理好的文字落进输入框，右上角是悬浮球

Viora 在 Mac 邮件里听写，整理好的字直接落进输入框，右上角那个是它的悬浮球。

先给结论（TL;DR）

Mac 自带听写免费。发短消息、记笔记、填表单都够用。技术上它就是为短输入设计的，很多人不用再装别的。
写长一点就难受。标点要自己念，识别完没有后处理，打错了不好改，专有名词加不进去。这几条都有技术原因，下面讲。
想要离线、音频不出本机，看 Superwhisper，它支持端侧模型。
要跨 Windows 和手机，或者公司在意合规（比如医疗），看 Wispr Flow，它转写始终走云端。
主要写长文、最看重自动整理的，看 Typeless，云端实时处理后即删。
一直用 Mac，又想让语音不只是打字，看 Viora（我们做的）。它在 ASR 之上加了一层意图路由，同一个快捷键能写、能改、能问、还能调工具办事（查日历、搜索、连 Gmail 和 Notion 这些）。这几样在公开定位里明确主打的，这份名单里基本只有它。语言支持 100 种以上，不比别人少。
这几个之外还有不少工具（Voibe、Willow Voice、Aqua Voice、Monologue，还有做会议记录、浏览器免费、Windows 专业、Mac 助手的）。文章最后归好类。

下面先用一张大表给你全貌，再一层一层讲原理。

先上一张大表，九款放一起看

把自带功能和八款第三方放一起，多看几个维度。重点看右边三列，那是"语音能不能不只是打字"的地方，也是技术上最难做的地方。

工具	价格	平台	离线	自动整理	个人词典	选中改写、提问	能办事	记忆习惯	一句话点评
自带听写	免费	仅 Mac	✅ 多数（看设置）	❌	❌	❌	❌	❌	短输入够用，系统自带
Superwhisper	免费档，Pro 8.49 美元/月（另有年付、买断）	Mac、Windows、iPhone	✅（Apple 芯片端侧）	✅ 可调	✅	➖	🟡 半个	➖	离线优先，可买断
Wispr Flow	免费 2000 词/周，Pro 12 美元/人/月（年付）	Mac、Windows、iPhone、安卓	❌ 云端	✅	✅	🟡	➖	🟡	跨平台老牌，有医疗等合规
Typeless	免费 8000 词/周，Pro 12 美元/席/月年付或 30 美元/月	Mac、Windows、iPhone、安卓	❌ 云端	✅ 很强	✅	🟡	➖	🟡	长文整理是强项，免费额度大
Viora（我们做的）	免费档，Pro 20 美元/月或 199 美元/年	仅 Mac	❌ 云端	✅	✅	✅	✅	✅	语音不止打字、还能调工具办事，支持 100 种以上语言
Voibe	7.50 美元/月、59 美元/年、买断 149 美元	仅 Mac	✅ 主打本地	❓	✅	➖	➖	➖	纯端侧，隐私优先
Willow Voice	免费 2000 词/周，Pro 12 美元/月（年付约 10 美元/月）	Mac、Windows、iPhone	❌ 云端	✅	✅	➖	➖	➖	云端，主打快，含 iPhone
Aqua Voice	免费 1000 词，Pro 8 美元/月（年付）	Mac、Windows	❌ 云端	✅	❓	➖	➖	➖	云端，打开快，边说边出
Monologue	免费 1000 词，Pro 约 100 美元/年	Mac、iPhone	🟡 看设置	🟡 智能排版	❓	🟡	➖	➖	能看上下文，自动排版

看表小贴士，几个符号是这个意思。

✅ 有，或者能。
❌ 没有。
🟡 有一点，但不是主打（Superwhisper 那个"半个"也算，它的 Super 模式只是把你的话交给 AI 去答，不是真办事）。
➖ 没把这件事当卖点（公开定位就是听写，不代表一定没有）。
❓ 我没查到，各家也没明说。

价格是 2026 年 6 月去各家官网 pricing 页核对的，这类工具改价格很勤，下单前请以官网为准。

右边那三列，选中改写提问、能办事、记忆习惯，技术上要在 ASR 之上再搭一层意图判断和工具调用，工程量比纯听写大不少。在公开定位里把这三件都当主打的，这份名单里基本只有 Viora（别家没把这些当卖点，不代表完全没有）。这就是它和"纯把话变成字"的工具最大的不同。具体架构下面会展开。

先讲清楚听写背后的技术栈

这部分有点干，但搞懂了，后面选工具就不会被宣传词忽悠。

一段语音是怎么变成字的

一个现代听写工具，背后大致是这么一条流水线。

录音。按住快捷键，麦克风开始采集音频。
VAD，语音活动检测。程序要判断哪段是人说话、哪段是静音，把音频切成一句一句。自带听写"说着说着就停了"，本质就是它的 VAD 判定你停了几秒就自动收工，而且这个超时时间你改不了。
ASR，自动语音识别。这是核心。声学模型把声音转成音素，语言模型再拼成最可能的句子。这两年很多工具的底座是开源的 Whisper 系列模型，识别效果比前几代好很多，这也是 Mac 听写体验突然变好的大背景。
后处理。原始 ASR 出来的是大白话流水账，没标点、带"嗯""那个"。新一代工具会在这一步再过一个大语言模型，补标点、去填充词、按场景改语气。这一层是体验差距的关键，下面单独讲。
注入。把最终文本塞回你当前的输入框。Mac 上一般通过辅助功能或者模拟键盘事件来落字。

一句原始输出和后处理之后的差别，大概是这样。

原始 ASR 输出（没有后处理）
 嗯 那个 我们 周五 之前 把 报告 发出去 然后 再 同步 一下 进度

经过 AI 后处理之后
 我们周五之前把报告发出去，然后再同步一下进度。

自带听写基本停在第 3 步，没有第 4 步那层 LLM。所以它出来的字是"对的"，但不是"能直接发的"。

端侧还是云端，这是第一个分水岭

ASR 到底在哪台机器上跑，决定了隐私、延迟、和能用多大的模型。这是选工具最重要的一个技术维度。

端侧（on-device） 。模型跑在你自己 Mac 上，音频不出本机。隐私最好，断网也能用。代价是模型大小受设备内存和算力限制，长尾语言和复杂场景的准确率通常不如云端大模型。Apple 芯片的 NPU 让端侧 Whisper 跑得动，这是 Superwhisper、Voibe 这类工具的基础。
云端（cloud） 。音频传到服务器，用更大的模型识别。准确率和语言覆盖更容易做高，但音频离开了你的设备，断网用不了，还要算往返延迟。Wispr Flow、Typeless 走的是这条路。
混合。一部分端侧、一部分云端，按场景切。

这里有个常见误区，要替这几家说句公道话。云端不等于不安全，端侧也不等于一定慢。安全看具体怎么传、怎么存、用哪个模型，延迟看工程优化。别只看"云端"两个字就下结论。

为什么自带听写"够用但难受"，技术上的三个原因

把上面的流水线套到自带听写，它的天花板就很清楚了。

没有后处理 LLM。它停在 ASR，不补标点、不去填充词。所以你得自己念"逗号""句号""换行"，长句子念下来很累。
没有自定义词典。它的语言模型是固定的，你没法往里加词。同事叫 Nguyen，公司有个外人没听过的产品名，它会一直按发音猜错，你还教不了它。
VAD 超时写死。几秒静音就自动停，时间改不了。你说话会停下来想，它就替你把句子结束了。

第三方工具，基本就是来补这三个洞的。

双模型 ASR 路由的简化示意，常用语言走自托管主模型，其余语言走云端兜底模型，合计 100 种以上

一个现代工具的 ASR 这一层可以做得更细。图为 Viora 的双模型路由（简化示意），常用语言走自己部署的主模型，其余长尾语言切到云端兜底模型，合起来覆盖 100 多种语言，两条路径都在云端完成。

自带听写，怎么开还有那个一定要改的快捷键

原理讲完，先把免费的用明白。不同系统版本设置位置略有差别，下面以 Sonoma 14 和 Sequoia 15 为例。

打开"系统设置"。（按住 Command 再按一下空格，输入"系统设置"。）
左边一栏往下滚，找到"键盘"。
右边中间，找到"听写"这一项。
把听写打开，给它麦克风权限。

现在任何输入框都能用。

但默认快捷键你大概率不想用。默认是"按听写键"或者"快连按两下 fn"。在同一个地方点"快捷键"，挑一个"按住就说"的键，按住、说话、松手，像对讲机一样。下面这些都行，选一个不冲突的。

按住右边的 Command 键
按住 fn 键（每个 Mac 键盘都有，我推荐这个）
右边的 Option 键，或者右边的 Control 键

我们看过很多人配这一步，规律很清楚。挑了"按住就说"的人，一周后还在用。还用"连按两下"的人，基本就不用了。交互方式比识别准确率更能决定你会不会留下来。

然后点"语言"，只加你真会说的那两三种。它会自动认语言，但不是万能的。你加了法语却从来不说，它偶尔会把一句话当成法语来认，结果一堆乱码。语言加得越多，识别时要在更多语言里做判断，认错的概率反而上升。

语音听写工具的设置页，麦克风、识别语言、快捷键都在一处，图为 Viora

这类语音工具的设置大致长这样（图为 Viora）。重点就两条，快捷键设成按住就说，语言只留你常用的。系统自带听写也是调这几项。

几个常见小问题。没出字，多半是没给麦克风权限，去"隐私与安全性"里的"麦克风"检查。认成别的语言，回"语言"里把不用的删掉。说着说着停了，是 VAD 超时，不是坏了。

至于命令，日常九成情况下面这几个就够，说 comma 出逗号、period 出句号、new line 换行、new paragraph 另起一段。要打引号说 open quote 和 close quote。如果你发现自己在一封邮件里念了四遍"句号换行"，那不怪你，这功能本来就不是为写长东西做的。

第三方工具到底在补哪三个技术洞

知道了流水线，就能看清第三方工具的价值不是玄学，而是补在具体环节上。

洞一，ASR 后面那层后处理 LLM

这是体验差距最大的地方。原始 ASR 给你的是流水账，新一代工具在它后面接一个大语言模型，做四件事，补标点和大小写、去掉"嗯""那个"、合并你说了一半又重说的句子、按当前应用换语气（在 Slack 里随意点，在邮件里正式点）。

判断一款工具行不行，主要看这一层。Typeless 把这层做成了主打，长文整理很强。Wispr Flow 的自动改字有四个力度可调。这层活基本都在云端做，因为要跑得动够大的语言模型。

洞二，自定义词典，技术上叫 biasing

自带听写最大的硬伤是加不了词。第三方怎么解决？常见有两种思路。一种是 hotword biasing，在解码时给词典里的词更高权重，让模型更倾向于识别成它们。另一种是把你的词表喂给后处理那层 LLM，让它在润色时把听错的专名纠回来。

对开发者特别有用，因为我们满嘴是 ASR 听不懂的词，Kubernetes、nginx、自家的服务名、英文缩写混中文。能不能加词，是自带和第三方差别最大的一点。这四款第三方都支持个人词典。

洞三，语音 Agent 层，意图路由加 tool calling

这是最新、也是技术上最重的一层。前面两个洞都还在"把话变成更好的字"，这一层要让语音去"办事"。

实现上要在 ASR 之上再加一个意图路由。一段语音识别成文本后，先判断你这句是想写字、想改选中的内容、想问个问题、还是想让它去办一件事。判断完再分发到不同处理路径。如果是办事，就走 tool calling，模型把你的话翻译成对工具的结构化调用，比如查日历、发网络搜索、调一个第三方连接器，拿到结果再回给你。

这套和大家熟悉的 function calling、Agent 框架是一回事，只是入口从打字变成了语音。下面四款里，把这层当主打做的只有一款，另外三款公开定位还是听写。

一个快捷键四条路径，语音先识别再做意图路由，分别走听写、改写、提问、办事

语音 Agent 层的简化示意（图为 Viora 的做法）。同一个快捷键，识别完先做意图路由，再分流到听写、选中改写、就地提问、Agent 办事四条路。办事这条会走工具调用，结果显示在屏幕角上的卡片里。

四款第三方，按架构挨个老实说

先说一句。下面的价格和免费额度，是 2026 年 6 月我去各家官网看到的，这种工具改价格很勤，真要买之前自己再看一遍。合规那些（比如医疗要的 HIPAA），更要自己核实，别只信宣传页。

Superwhisper，端侧优先的代表

处理位置，端侧加云端双轨。 这是它最大的技术特点。官网说它能在你自己电脑上跑模型，音频不上传，这条端侧路径在 Apple 芯片上跑得最好。它也提供云端模型。所以隐私好不好，要看你选了哪条路、哪个模型，不是看牌子。

它没有的，是真正的"办事"那一层。它有个 Super 模式，是把你说的话交给一个 AI 去答，更像"用嘴问一下 AI"，不是真去执行。你说"明天上午排个 30 分钟专注时间"，它给你的是这句话的整理稿，不会真在日历上建好。

价格上 2026 年 6 月看，有免费档，Pro 每月约 8.49 美元，月付、年付、买断都有。什么时候选它，你在意端侧离线，或者宁可买断不想订阅，或者想自己挑本地模型。官网是 superwhisper.com[1]。想看和 Viora 的逐项对比，可以参考我们写的 Viora vs Superwhisper[2]，这是我们的视角，记得对照官网。

Wispr Flow，全云端的跨平台老牌

处理位置，转写始终在云端。 这点它官网的 Data Controls 写得很明确，识别这一步永远在服务器做。好处是跨平台一致，Mac、Windows、iPhone、安卓都有，词库四端同步。它有 Privacy Mode，可以让你的转写内容不被存储、不拿去训练，但请注意这不等于"不收集任何数据"，使用统计仍可能收集。

它的强项是后处理，自动改字四个力度，词库会学你的常用词，语气跟着当前应用变。如果你大部分字打进 Notion、Gmail、Slack，它围着这些场景打磨得最细。它还公开了一些企业合规（比如医疗在意的 HIPAA），具体以你和它签的合同为准。官网是 wisprflow.ai[3]。

Typeless，把后处理那层做成主角

处理位置，云端实时处理后即删。 按它的隐私政策，音频和内容在云端实时处理，处理完就删，所以别把它当离线工具。

它的重点全压在"洞一"那层后处理上，去填充词、把你东一句西一句的话理成条理、按应用换语气、多语言。如果你一天大部分时间在写长东西（邮件、文档、周报），它在整理上帮的忙最多。价格约每人每月 12 美元年付，月付约 30 美元，免费档每周 8000 字，是四款里最大方的。支持 Mac、Windows、iPhone、安卓。官网是 typeless.com[4]。

Viora，在 ASR 之上加了意图路由和工具调用（我们做的）

Viora 是我们的产品，我直说架构，有什么、没什么。

ASR 这一层，双模型路由。 上面那张 ASR 图就是它。最常用的一批语言走我们自己部署、做过重点优化的主模型，遇到它不擅长的长尾语言，自动切到云端的兜底模型，两个加起来覆盖 100 多种语言。中文这块还做了简繁自动处理，粤语会归一到中文。两条路径都在云端，所以我把丑话放前面，它不是离线工具。

ASR 之上，意图路由加工具调用。 这是它和纯听写最大的区别，也是上面第二张图画的东西。同一个按住就说的快捷键，识别完先判断你的意图，再分到四条路。

写。走后处理 LLM 整理，落到光标处。
改。选中一段文字，用嘴说怎么改，它替换掉原文。
问。对着屏幕上的内容直接问，包括截屏选区，答案显示在屏幕角上一个叫 Capsule 的悬浮窗旁边。
办。走 tool calling，能做网络搜索、查系统日历，还能连一批第三方服务。目前后端实现了 Agent 能读写的连接器是 Gmail、Google Calendar、Notion、Slack。你说"明天上午排个 30 分钟专注时间"，它能真去帮你建。

还有个细节工程师会喜欢。默认 Fn 是按住录音，Fn+Ctrl 是强制进 Agent 模式，而且你正在听写的时候按上 Ctrl，能把这次听写直接升级成 Agent 任务。结果用一个叫 Agent Card 的卡片流式显示，工具跑到哪一步你看得见。

Viora 的 Agent Card，把语音办事的结果流式显示在悬浮球旁边

Viora 的 Agent Card。你说一件要办的事，工具调用的进度和结果就流式显示在 Capsule 旁边。

后端模型，聚合多家云端大模型按任务路由。 聊天、改写、Agent 推理用不同的模型来接，按任务挑合适的那个。具体用哪几家，我这里就不列清单了。这类供应商本来就会换，写死在一篇会过期的文章里没意义，以官网为准。这也是为什么我前面说，只讲架构和处理位置，不点名牌子。

价格上 Pro 每月 20 美元，或每年 199 美元，还有免费档，具体字数以 Viora 价格页[5] 为准（这块官网在调，我不写死）。一部分后台主动能力（比如定时任务、主动记忆这类）放在 Pro，前台的听写和 Agent 免费档就能用，确切的免费和 Pro 边界也以价格页为准。我们只有 Mac，Apple 芯片和 Intel 都行，没有 Windows 和手机版。

我们老实说没有的。 不能离线（识别在云端）、不提供本地 Whisper 模型、不支持自带模型 Key、没有公开 API、没有 HIPAA 合规。这几条里只要有一条是你必须要的，那这份名单里的答案就不是我们。官网是 voice dictation for macOS[6]。什么时候选它，你一直在 Mac 上，又想让语音不只是出字。

下面四款定位偏听写，我没像上面那样长期天天用，只讲定位和处理位置。

Voibe，纯端侧可买断

处理位置，主打全程在本机。 它比 Superwhisper 走得更彻底，就是不想让音频上传那一派。卖点是按住说话、隐私优先、能加词库、有开发者模式、可一次买断。2026 年 6 月看，月付约 7.50 美元、年付 59 美元、买断 149 美元（都是促销价）。你把端侧和隐私当必须，又喜欢买断，它值得放进候选。官网是 getvoibe.com[7]。

Willow Voice，又快又能跨手机

处理位置，云端。 给 Mac、Windows、iPhone 用，主打快。和 Wispr Flow 在"跨设备又快"上很像，差别看订阅价、隐私说法、iPhone 体验。免费档每周 2000 词，Pro 约每月 12 美元，年付能到每月 10 美元。要的就是快又要手机能用，看它。官网是 willowvoice.com[8]。

Aqua Voice，主打打开快、边说边出

处理位置，云端。 给 Mac 和 Windows 用，强调启动快、说话就出字，和 Willow 一样是"云端求快"这一类。免费档 1000 词，Pro 约每月 8 美元年付。最看重打开速度和实时，看它。官网是 aquavoice.com[9]。

Monologue，能看上下文、自动排版

处理位置，看设置，公开定位可能有本地选项（我没独立核实）。 给 Mac 和 iPhone 用，特点是能看屏幕上的内容、自动排版。免费档 1000 词，Pro 约每年 100 美元。这款我了解最少，以官网为准，官网是 monologue.to[10]。

开发者专属，在 Cursor 或 VS Code 里听写

既然在掘金，单独说一句开发者场景。

能不能在代码编辑器里听写？能。听写在系统的输入框里基本都能用，包括 Cursor、VS Code 这类。Wispr Flow 公开说支持 Cursor 和 Windsurf，其它几款一般靠系统把字塞进输入框，所以多数编辑器也能用。

但有两个现实问题。一是代码里的专名密度极高，函数名、包名、缩写，没有个人词典基本没法用，所以这是个"必须能加词"的场景。二是纯语音写代码并不顺手，符号和缩进念起来很别扭。更实际的用法是用语音写注释、写 commit message、写 PR 描述、在 issue 里长篇说明，以及对着一段报错直接问。这种"写散文 + 偶尔问一下"的活，语音比键盘快。

如果你常对着 AI 把一段话再加工成别的东西，那你其实想要的是语音 Agent 那条路，而不只是听写。

名单之外的工具，按需求归个类

下面这些经常被一起搜到，但干的活和"实时 Mac 听写"不完全是一回事。这一类我没一个个细测，给你归好类。

会议记录、文件转录（先录后转，不是边说边出）。 Otter.ai、Notta（能分辨说话人、出摘要）、Sonix（音视频转字、能翻译）、MacWhisper（在本机把文件转字，喜欢离线的会用）。你要的是把已经录好的内容转成字，看它们。
浏览器里用、又免费。 Google Docs 语音输入、Voice In（Chrome 插件）。只在浏览器或文档里用又想免费，看它们。
Windows 专业工具。 Dragon Professional，Windows 上很成熟，能用语音下命令，有法律医疗词库。Mac 用户基本用不上，顺带一提。
Mac 助手和系统控制（相邻，不是同一类）。 Raycast、ChatGPT 的 Mac 版、Claude 桌面版、Alfred，还有 Mac 自带的"语音控制"。这些是更大的助手、启动器或系统控制，和听写有重叠但目标不同。Viora 不替代它们，它是用语音来写、改、问、办事，不是启动器，也不做操控整个系统的语音控制。要打开软件、和 AI 聊天、或者用语音操控整台电脑，看它们。

怎么选，问自己四个问题

绕了这么多，最后归到四个问题，大概按这个顺序。

要跨平台吗？ 又用 Mac 又用 Windows，或者想在手机上用，那名单就剩 Wispr Flow、Typeless，加上云端的 Willow Voice（有 iPhone）和 Aqua Voice。Superwhisper 也有 Windows 和 iPhone，但它最值钱的端侧模型在 Apple 芯片上才跑得最好。Viora 只有 Mac。
离线是必须的吗？ "音频绝不离开我电脑"不能让步，那就看走端侧的 Superwhisper 和更彻底的 Voibe。自带听写在一些情况下也能在本机处理，但要按 Apple 当前设置和你的语言去核。Viora、Wispr Flow、Typeless 都是云端，直接排除。
你想让语音办事，还是只想出字？ 你是不是老对着 ChatGPT 说话，让它拿你这段话再去做点别的？如果是，你要的是语音 Agent 那条路，这正是 Viora 在做的。如果语音对你就是"用嘴打字"，剩下三款随便挑。
想订阅还是想买断？ Superwhisper 和 Voibe 公开有买断。其余几款，包括 Viora，在我看到的公开页上都是订阅。

没有一个对所有人都对的答案。最常见的错，是图省事选了广告打得最响的那款，然后默默不打开，因为它根本不贴你的用法。掏钱之前，先用免费档用一个小时。想先搞清楚"语音助手"和"听写软件"到底差在哪，可以看我们这篇 voice AI assistant vs dictation software[11]。

几个常被问到的问题

2026 年 Mac 上最好的听写是哪款？

没有唯一答案。短输入用自带的。要端侧离线选 Superwhisper 或更彻底的 Voibe。要跨平台又需要企业合规，重点看 Wispr Flow。要快要手机，看 Willow Voice、Aqua Voice。写长文选 Typeless。想让语音办事，看 Viora。上面四个问题是最快的路。

Mac 听写能离线用吗？

自带听写在一些情况下可以在本机处理，但要看语言、地区、系统版本、在哪个框里打字，不是随时都能离线。第三方里，端侧能离线的是 Superwhisper 和 Voibe，其它多数是云端。

端侧和云端，识别准确率差很多吗？

不能一概而论。云端能上更大的模型，长尾语言和嘈杂环境通常更稳。端侧受设备算力限制，但 Apple 芯片上的体验这两年已经很好。真正拉开差距的，往往不是 ASR 本身，而是后面那层后处理做得好不好。

为什么我的 Mac 听写说到一半就停了？

它的 VAD 几秒没声音就自动停，这个超时改不了。你说话会停顿思考的话，按住就说的第三方更合适。

能在 Cursor 或 VS Code 里听写吗？

能。听写在输入框里都能用，包括代码编辑器。代码里专名多，建议选支持个人词典的工具，并且更适合用来写注释、commit、PR 描述，而不是硬念代码。

能给 Mac 听写加自己的词吗？

自带的加不了，它没有加词的入口。这四款第三方都能加词，用来记人名、产品名、专业术语。

Mac 上有免费的听写吗？

自带的就免费。Wispr Flow、Typeless、Viora、Superwhisper 也都有免费档或免费额度，选之前以各家官网为准。

写在最后

这篇是 Viora 团队写的，所以我把立场、架构、还有我们没有的东西都摆在前面了。两个诚实交代。一，我们这次没做严格的对比测试，所以文里关于准不准、快不快的话是大概的感觉，不是实验室结论。二，关于 Viora 后端用哪几家模型，我只讲了架构和处理位置，没点名具体牌子，这类供应商会变，以官网为准。

安静屋里说清楚话，上面这些选项日常都够用。差别主要在吵的环境、口音、专业术语、长句子，还有后处理那层整理得好不好。

如果你在用 Mac，又想专门试一下"让语音办事"这条路，可以去 Viora 官网[12] 看看，也可以直接下载 Viora for Mac[13]，免费档装上不用注册。要是名单里别的更合你的用法，那就用那个。我更希望你用上真正合适你的工具，而不是装了我们的然后再也不打开。

想看更系统的版本，可以读我们站上的 Mac dictation guide[14]，或者先搞清楚 What is Viora[15]。

来源。Apple 官方的听写和功能页，以及 Superwhisper、Wispr Flow、Typeless、Viora、Voibe、Willow Voice、Aqua Voice 各家官网的公开定位（2026 年 6 月核对）。Monologue 和相邻类别（会议记录、文件转录、浏览器免费、Windows 专业、Mac 助手）按公开定位归类，没有逐一细测，具体以各家官网为准。文中的 ASR 流水线、端侧与云端、后处理与意图路由属于通用技术说明。Viora 的架构按处理位置和模式描述，不点名具体模型供应商。本文是 Viora 团队视角，已在开头标了利益相关。价格和合规以各家官网当前页面为准。

References

superwhisper.com: superwhisper.com/
Viora vs Superwhisper: viora.io/compare/sup…
wisprflow.ai: wisprflow.ai/
typeless.com: www.typeless.com/
Viora 价格页: viora.io/pricing
voice dictation for macOS: viora.io/features/di…
getvoibe.com: www.getvoibe.com/
willowvoice.com: willowvoice.com/
aquavoice.com: aquavoice.com/
monologue.to: monologue.to/
voice AI assistant vs dictation software: viora.io/blog/voice-…
Viora 官网: viora.io
下载 Viora for Mac: viora.io/download
Mac dictation guide: viora.io/blog/mac-di…
What is Viora: viora.io/blog/what-i…