WhisPaste 是适用于 Windows、macOS 和 Linux 的开源离线语音转文字工具，GitHub 免费提供。在本地模式下，它完全在你自己的电脑上运行 Whisper 模型——音频留在你的电脑上，无需互联网连接或账户。
选择模式：默认本地，按需云端
WhisPaste 默认使用本地模式。模型在你的 CPU 或 GPU 上运行，音频留在本机，转写文本无需网络往返即可送达光标处。如果你需要为长录音获得极致速度，可以将一个设置切换为云端服务商；但这是你自己明确选择的设置，而不是隐藏的备用方案。
离线模式能做什么、不能做什么
WhisPaste 内置两种离线引擎。离线 Whisper 支持 99 种语言，能应对带停顿和重新开始的自然语音。第二种引擎 Parakeet 用语言范围换取速度（约 25 种语言；在处理器上，在我们的基准测试中比紧凑型 Whisper 模型快数倍，启用 GPU 加速后更快）。两者都做不到的是：区分说话人，或使用超出可用内存的模型大小。作为参考，紧凑型模型约需 900 MB 显存，均衡型约 1.5 GB，高级型约 2.6 GB（我们的估算）。
内存与 CPU 配置
最低要求是 Windows 10、macOS 12 Monterey（Apple Silicon）或 Linux 上的 8 GB 内存和 64 位 CPU，足以在 CPU 上运行紧凑型模型。拥有 16 GB 内存和 2–4 GB 显存的 GPU 时，均衡型是日常语音输入的舒适选择。Apple Silicon 在 CPU 与 GPU 之间共享内存，因此选择器认为 2 GB 统一内存就足以运行均衡型。
- 离线语音转文字应选哪种模型大小？
- 从紧凑型开始：在没有 GPU 的 8 GB 机器上，它就能应付日常语音。拥有 16 GB 内存和独立 GPU 时，均衡型通常是处理口音和专业词汇的更好选择，GPU 也能保持速度。WhisPaste 只提供三种大小；只有在显存约 3.6 GB 或更多、且经常处理长录音时，高级型才值得选择。设置助手会根据你的硬件建议一种大小。
- 离线模式真的无需任何网络连接也能工作吗？
- 可以。模型完成一次性下载后，WhisPaste 会完全在你的电脑上运行 whisper.cpp。飞行模式、物理隔离的工作站或不稳定的热点都不影响转写。使用统计、崩溃报告和更新检查默认开启并需要网络，但转写从不等待它们，三者都可以关闭。
- 离线语音转文字与云端 API 相比准确度如何？
- 对于日常语音输入，离线模型是很好的默认选择。在专业领域（口音很重、环境非常嘈杂、生僻技术词汇）中，较大的云端模型有时更有优势。WhisPaste 允许你在设置中切换服务商，因此你可以把离线保持为默认，只在某段录音确实需要时才使用云端。