Apple Speech 和本地 Whisper 在 Mac 上谁更快更准？准确率与延迟实测
我们在同一台 Mac 上，用同一组 30 条带标准答案的英文音频测试 Apple Speech 与本地 WhisperKit base 模型，对比词错误率、首字延迟和定稿时间，并解释 Mac 字幕应用为什么可能同时使用两种引擎。
2026-08-30 · 9 min先说结论
在这台 Apple 芯片 Mac 上，Apple Speech 更早显示第一批文字；本地 Whisper 则在模型准确率和实时字幕管道之间呈现出不同取舍。30 条干净的 LibriSpeech 英文音频中，Apple Speech 的 WER 为 0.9%，Alison Workspace 的 Whisper 实时管道为 7.9%，Whisper 整段识别为 1.9%。首字延迟中位数分别为 Apple 1.14 s、Whisper 实时路线 1.74 s。这些数字只代表本次测试，不代表所有说话人、语言、Mac 或录音环境。
测试是怎么做的
测试于 2026 年 8 月 30 日在 macOS 26.5.2 的 Apple 芯片 Mac 上本地完成。两个引擎接收同一批 30 条 LibriSpeech test-clean 标注音频，统一转换为 16 kHz 单声道，并按真实时间每 100 毫秒输入一帧；末尾统一追加 0.8 秒静音，让两个引擎看到相同的语音结束条件。正式计时前已准备好模型和 Apple 语言资源。准确率使用词错误率 WER，延迟分别统计首次非空文字和语音结束后的定稿等待。
准确率：必须区分模型和实时管道
Whisper 整段识别的 WER 为 1.9%，它代表模型拿到完整语句时的准确率上限。产品中的 Whisper 实时路线为 7.9%，因为语音活动检测、分段、渐进草稿和最终组句都会影响字幕栏实际收到的文字。Apple Speech 的系统原生流式定稿为 0.9%。这个区别很重要：模型本身很强，实时管道如果在错误位置切断语句，仍可能丢词；单一总百分比也无法解释每一种错误。
延迟：首字和定稿是两个指标
Apple Speech 首次出现文字的中位数为 1.14 s，Whisper 实时路线为 1.74 s。语音结束后，Apple 系统原生定稿等待中位数为 1.13 s，Whisper 定稿为 0.58 s。Whisper 整段识别的实时率中位数为 0.021×，但这种离线式速度并不等于首条字幕速度。好用的实时字幕既需要尽早出现可读草稿，也需要可靠的最终文本，只公布一个延迟数字会掩盖这种取舍。
为什么 Alison Workspace 同时使用两种引擎
Alison Workspace 不假设某一个识别器在所有情况下都最好。在 macOS 26 上，如果用户明确选择的语言有可用的 Apple 端侧语音资源，可以使用 Apple Speech 原生流式路线；较旧系统、自动检测、Apple 不支持的语言或资源不可用时，则可使用本地 WhisperKit。这种路由既利用 Apple 流式响应，也保留更广的识别覆盖。完成首次语言资源或 Whisper 模型下载后，识别在 Mac 本机运行，不需要把整场会话音频发送给远程转写服务。
这次测试不能证明什么
这 30 条样本是干净的英文朗读，通常只有一个说话人。它们不能代表所有口音、会议麦克风、嘈杂房间、背景音乐、多人重叠、专业术语或任何非英语语言。把本文翻译成其他语言，并不意味着英文测试自动变成多语言基准。我们公开样本量、系统、模型、输入方法和不同管道结果，方便读者正确理解范围。重要场景应另外测试姓名、数字、口音以及实际播放音频的应用。
在自己的 Mac 上做一分钟测试
播放一段只有一名清晰说话人的短视频或会议录音，选择已知的口语语言，确认应用接收的是 Mac 系统音频而不是房间麦克风噪声，并观察第一批有用文字何时出现。随后检查一个姓名、一个数字和一个专业词，再把最终字幕与原音对照。最后在你真正使用的会议应用、浏览器或播放器中重复一次。你的音源和词汇会直接影响结果，因此这比把任何基准当成保证更可靠。
常见问题
Apple Speech 在 Mac 上比 Whisper 更快吗？
在这次 30 条英文音频测试中，Apple 首字更快：中位数 1.14 s，Alison 的 Whisper 实时路线为 1.74 s。硬件、语言、音频和管道设置不同，结果也会变化。
本地 Whisper 比 Apple Speech 更准确吗？
本次 Whisper 整段识别为 1.9% WER，Apple 原生流式为 0.9%；Whisper 实时产品管道为 7.9%。因此模型准确率和端到端字幕准确率必须分开看。
Mac 语音识别可以离线运行吗？
可以。首次下载所需 Apple 语言资源或本地 Whisper 模型可能需要联网，安装完成后识别在 Mac 本机运行。
Alison Workspace 使用哪个语音引擎？
macOS 26 上所选语言和端侧资源受支持时可使用 Apple Speech；需要更广覆盖或 Apple 路线不可用时使用本地 WhisperKit。