跳到正文

WhisPaste 对比 Windows 与 macOS 内置的语音转文字功能。

Windows 和 macOS 各自内置了一项语音转文字功能,可以直接输入到当前焦点的文本框中。WhisPaste 以不同的方式覆盖同一领域:按下快捷键时明确地录制音频,让你在多个语音转文字服务商之间选择,并把转写文本粘贴到光标处。因此两者的功能有所重叠,但取舍并不相同。

边说边输入 与 在光标处粘贴

系统内置的听写会在你说话时把字符逐个输入到焦点字段中。WhisPaste 则相反:它录制完整的音频,将其转写,然后把完成的转写文本一次性粘贴到光标处。系统的方式更像打字机;WhisPaste 的方式更像审阅后整段放入。两者都不是普遍更好:较长、结构化的回复通常更适合最后整段粘贴的模式。

单一厂商 与 多种服务商可选

系统内置的听写运行在操作系统厂商的语音转文字技术栈上,你无法将其换成其他引擎或其他云端服务。WhisPaste 让你自行选择:默认使用本地引擎(Whisper 或 Parakeet),也可以在需要极致速度时选择 OpenAI 或 Deepgram 等云端服务商。本地情况下,音频从不离开这台电脑;云端情况下,音频会使用你自己的 API 密钥直接发送给你所选的服务商。

语言覆盖与切换

使用 Whisper 引擎时,WhisPaste 最多支持 99 种语言;使用 Parakeet 引擎时约支持 25 种。Parakeet 可用时使用 GPU,在 CPU 上,在我们的基准测试中比紧凑型 Whisper 模型快数倍。语言、模型、引擎或服务商都是 WhisPaste 中的设置,而不是系统级的切换。

系统听写不是已经可以在每个应用中使用了吗?
在大多数文本框中都可以。WhisPaste 粘贴的是完成后的转写文本,因此目标应用只需要接受粘贴即可。
什么时候应该直接使用系统听写?
如果你每次只说一两句话,且只使用某一种系统支持的语言,并且不在意由哪种语音引擎处理音频,那么系统听写就足够了,还少装一个应用。WhisPaste 在以下情况下才会体现价值:你需要离线运行、接连使用多种语言、希望在粘贴前审阅较长的转写文本,或想使用与操作系统厂商不同的服务商。
WhisPaste 处理多语言是否比系统听写更好?
在 WhisPaste 中切换语言只需一个设置。Whisper 可以在一段录音中转写混合语言的语音,不过结果会因语言组合而有所不同。系统听写如何处理这种情况,取决于操作系统版本。