Whisper til Mac

De Mac-værktøjer, der pakker Whisper ind, og hvad hvert enkelt er til

De fleste, der søger på "Whisper til Mac", vil ikke røre pip. De vil have en app. Der findes flere gode af slagsen, og de er ikke udskiftelige. De deler sig i to lejre.

Whisper by Remskill, appen jeg bygger, er i lejr to. Diktering først. Det er værd at vide, hvilken lejr du er i, før du downloader noget.

Hvad Whisper by Remskill gør på en Mac

Jeg beskriver det, jeg har bygget, så kan du bedømme det op imod resten.

Det er en dikteringsapp. Du trykker på en genvejstast, du taler, og teksten lander ved markøren i en hvilken som helst app: Mail, Notes, Slack, din kodeeditor, feltet hvor du udfylder dette års tilladelsesseddel fra skolen. Standardgenvejen på en Mac er Command og Option holdt nede samtidig, og den kan ændres helt frit. Al transskription sker på din Mac. Ingen fil at uploade, ingen optagelse at holde styr på.

Du kører heller ikke Python. Ingen pip, ingen ffmpeg, ingen terminal, ingen GPU. Det hele er ren Rust. Whisper- og Parakeet-motorerne kører gennem et bibliotek ved navn transcribe-rs, uden nogen Python-sidecar pakket ind. Lokal transskription kører på din CPU, uden behov for et dedikeret GPU, og appen fylder omkring 25 MB på disken.

Hvad selve modellen angår, vælger du selv. Lokal Whisper giver dig 8 modeller, 99 sprog, oversættelse til engelsk, brugerdefineret ordforråd, kontrol over beam-størrelse og hotword-justering. Langsommere, men med mest kontrol. Parakeet er NVIDIAs TDT-motor på cirka 600 MB, og den kører 5 til 10 gange hurtigere end Whisper på en CPU og dækker engelsk plus 24 andre europæiske sprog, uden oversættelse til engelsk. Cloud-tilstand er den tredje vej: du medbringer din egen OpenAI-nøgle, og vi tager intet i provision. Jeg vælger bevidst ikke en for dig. Vi gennemgår forskellene i Whisper vs Parakeet, hvis du vil have den lange version.

Lokal nøjagtighed lander typisk mellem 95 % og 99 %. Hele den lokale pipeline er gratis for enhver bruger, der er logget ind: Whisper, Parakeet, offline AI-oprydning via Ollama, transskriptionshistorik, forindstillinger, hotwords, hardwareacceleration, modeldownloads og den brugerdefinerede genvejstast. Ingen betalingsmetode ved tilmelding. Du kan bruge den på op til 3 enheder. Det betalte niveau, Whisper Pro, tilføjer kun cloud-fladen: OpenAI cloud-transskription, AI-oprydning i skyen og websøgning. Priser findes på prissiden. Jeg nævner ikke tal her, for prissider ændrer sig, og du bør læse det direkte fra kilden.

En ærlig begrænsning: vores Mac-build er kun til Apple Silicon, M1 til M4. Sidder du på en Intel-Mac, er denne app ikke noget for dig, og jeg fortæller dig om lidt, hvad der så er.

Sådan ser din første diktering rent faktisk ud. Tryk på genvejstasten, en lille optagelsesindikator dukker op, du taler, du slipper, og den oprydede tekst falder ned, lige der hvor markøren stod. Overlejringen nedenfor er det ægte, appen viser, ikke en attrap.

Opsætningen er kort. Download appen, log ind, lad den hente én model ned. Parakeet er den mindste på omkring 600 MB, eller en Whisper-model, hvis du vil have sprog eller oversættelse. Vælg din genvejstast eller behold Command og Option. Åbn så Mail, hold genvejstasten nede, og sig en sætning. Det er hele introforløbet. Min yngste datter klarede det uden at stille mig et eneste opfølgende spørgsmål, hvilket er den eneste brugervenlighedstest, jeg fuldt ud stoler på. Vil du have den længere, skærmbillede-for-skærmbillede-gennemgang med alle tre modelveje, har jeg skrevet en dedikeret guide: stemme til tekst på Mac.

Hvorfor jeg holder det lokalt på en Mac

Her er min ene stærke holdning i denne artikel: diktering kun i skyen er en privatlivskatastrofe.

Din chefs lønregneark, mailen til dit barns skole, det juridiske notat du skriver i toget. Intet af det bør passere gennem en leverandørs servere, bare fordi du gerne ville skrive med stemmen. Din Mac har allerede en mikrofon og en CPU. Til ét afsnits diktering behøver den ikke en server i loopet. Med de lokale motorer forlader lyden aldrig din maskine. Det er den standard, jeg ville række ud efter, og den er gratis.

Cloud-tilstand findes til, når du rent faktisk vil have de nyeste OpenAI-modeller eller svar fra nettet, på din egen nøgle. Det er nødudgangen, ikke hoveddøren.

Når MacWhisper, VoiceInk eller kommandolinjen er det bedre valg

Jeg ville være en dårlig guide, hvis jeg lod som om én app vinder hver gang. Det gør den ikke. Her er, hvor jeg ville sende dig videre.

Hvis du kun husker én ting

Modellen er gratis og åben. Den beslutning, der betyder noget, er, hvad du pakker rundt om den: en terminal, en grafisk filtransskriptionsapp eller en genvejstast, der skriver din direkte tale ind i det, du kigger på. Match indpakningen til opgaven, og på en Mac kan du ignorere Python, medmindre du virkelig nyder det. Der er tre slags mennesker, der går på jagt efter Whisper på en Mac: dem med en mappe fuld af optagelser, dem der aldrig vil skrive igen, og dem der bare kunne lide navnet. To af dem er i den forkerte lejr, indtil de har læst så langt.

Jeg dikterede det meste af denne artikel i stedet for at skrive den, hvilket føltes passende. Det ene afsnit, jeg skrev i hånden, havde flere slåfejl.