在之前的视频和文章当中，我给大家介绍过非常多语音转文字的应用， 有订阅制的 [[Aqua Voice]] ，[[Wispr Flow]] ，[[Voicenotes]]，[[VoiceInk]] ，[[superwhisper]] ，也有免费的 [[Spokenly]] ，在本地完全离线运行的 [[Tok]] 。 今天要为大家介绍的Whispering，正是这一领域的颠覆性产品——一个真正的开源、本地优先的语音转文字应用。
Whispering 它符合了我之前选择软件的所有的准则，开放源代码，Local First 支持本地转译，大大减少了隐私暴露的风险。
Whispering 是什么
Whispering 是一款完全免费，开源的桌面语音转文字应用，基于 Svelte 5 与 Tauri 构建的， 支持本地和云端转录、LLM 驱动文本转换（Transformation）、语音激活模式（VAD）等功能。 即使有这么多功能，Whispering 体积只有 22M， 可以在 macOS、Windows、Linux 以及浏览器当中运行。
现在在日常生活当中， 我越来越依赖于语音输入进行文字的录入，大部分订阅式的语音转写工具都是闭源的或者是黑盒式的。 我们无法知道我们的录音被发送到了什么地方进行了转写。 与此同时，造成的隐私泄露我们也无法估计。Whispering 遵循本地优先的设计理念， 让用户真正掌握自己的数据。
核心的特性包括：
- 开源 MIT 许可，所有的代码都可审计。音频与文本数据均存在于本地，用户可以完全掌握录音数据。
- 本地优先， 支持本地的 Whisper C++（Speaches）转录， 无需联网即可使用。
- 可扩展的文本后处理， 可以兼容任意的外部大模型， 用户可以自定义 Prompt， 进行自动矫正， 翻译或者是格式转换。
- 轻量，Svelte 5 和 Tauri 实现，应用响应非常快
Whispering 通过本地 IndexedDB 存储了语音的记录和转写的文本， 会保存在浏览器或者桌面端的数据库当中。 如果用户使用外部服务的话， 可以直接将音频或者是文本内容发送至外部的服务器， 没有中间服务器， 确保了用户 API Key 的安全。
核心功能
本地和云端转录
当然，在本地模式的基础之上， Whispering 还支持云端模式， 可以支持 Groq， OpenAI， 11Labs 等云端转写的场景。 用户可以自己配置 API Key， 按需付费。
语音激活 VAD 模式
传统的语音转录应用都需要我们按下特定的快捷键， 或者是长按某些快捷键来进行触发。 Whispering 最具创新的功能就是语音激活模式。 用户只需要按一次就可开始会话, 应用会自动检测语音的开始和结束, 无需持续按住按钮或者反复切换。
AI 驱动的文本转换 Transformations
Whispering 可以和任意的 LLM 集成， 可以做语法纠正、翻译、简化文本，结构化摘要等。
快捷键和粘贴板集成
Whispering 也可以通过全局的快捷键进行触发， 转写的结果会自动粘贴到当前光标的位置。
成本对比
Whispering 的官方文档上面也给出了一个性能和成本的对比。 我们使用不同的云端服务和模型， 都有不同的价格， 大家也可以进行一个参考。 从成本上来看，Whisperin 可以以最小的支出， 就可以满足日常数小时的转录需求， 实现了与闭源工具成本显著的差异化。
| 服务与模型 | 成本（每小时） | 轻量使用（20 分/天） | 中度使用（1 小时/天） | 重度使用（3 小时/天） | 传统闭源工具 |
|---|---|---|---|---|---|
| distil-whisper-large-v3-en (Groq) | $0.02 | $0.20/月 | $0.60/月 | $1.80/月 | $15–30/月 |
| whisper-large-v3-turbo (Groq) | $0.04 | $0.40/月 | $1.20/月 | $3.60/月 | $15–30/月 |
| gpt-4o-mini-transcribe (OpenAI) | $0.18 | $1.80/月 | $5.40/月 | $16.20/月 | $15–30/月 |
| 本地转录（Speaches/Whisper C++） | $0.00 | $0.00/月 | $0.00/月 | $0.00/月 | $15–30/月 |
开源的应用也确保了用户永远不会锁定在特定的厂商生态中，即使原开发团队停止维护，社区也可以继续地开发和改进。
实现架构
Whispering 采用了现代化的三层架构技术栈， 在桌面和 web 端实现了 90%的代码复用，确保了应用的性能和用户体验。
- 服务层（Service Layer），是平台无关的业务逻辑，使用 well-crafted result 类型处理错误。
- 查询层 Query Layer 基于 TanStack Query 实现响应式数据的获取和缓存。
- UI 层 ，采用 Svelte 5 组件搭配 Tailwind CSS 和 shadcn-svelte， 打造了可访问的交互界面
主要技术栈：Svelte 5、SvelteKit、Tauri、Rust、IndexedDB/Dexie.js、TanStack Query、TailwindCSS、WellCrafted、shadcn-svelte、Turborepo 等。
- Svelte 5 提供了响应式的 UI 和高效的状态管理。
- Tauri 实现了原生桌面性能,同时保持了应用的小巧，Rust 为原生桌面功能提供了最佳性能。
- IndexedDB + Dexie.js 可靠的本地数据存储。
最后
Whispering 以其开源透明本地优先的设计理念 以及高效轻量的实现手段， 为音频转文字提供了一个强有力的开源替代方案。 无论是隐私敏感的个人用户， 还是需要定制化 AI 处理的开发者， Whispering 都能够以低成本高可控性满足需求， 并在开源社区中持续迭代和发展。
Whispering 不仅仅是一个独立的语音转录应用，它是 Epicenter 生态系统的重要组成部分。Epicenter 的愿景是将用户的所有数据——笔记、转录、聊天记录——存储在一个包含纯文本和 SQLite 的文件夹中。所有工具共享这个内存，形成一个开放、可调整的个人数据生态。在这个生态系统中，Whispering 转录的文本可以无缝集成到其他 Epicenter 应用中，如本地 AI 助手 epicenter.sh。这种设计避免了应用间的数据孤岛问题。
related
- [[Speaches]]