大家好，我是何三，独立开发者

4MB。

对，你没看错，一个语音听写工具，整个安装包只有 4MB。

yap_cover

相比之下，Whisper 的模型随便一个就是几百 MB，装完光模型文件就占了半个 G。Yap 不仅体积小了近百倍，字错率反而更低——2.12% vs Whisper Small 的 3.74%，速度快了将近 3 倍。而且它零模型下载、零网络请求，按下快捷键说话，松开文字就出现在你正在打的输入框里。

离谱吗？我也觉得离谱。但它真的能做到。

这东西到底是干啥的

Yap 是个 macOS 菜单栏工具。你设个快捷键（默认是 ⌘⇧D），按一下开始说话，再按一下，语音自动转成文字贴到你正在用的 App 里。

整个过程完全离线。麦克风采集的音频压根不会离开你的电脑。不用注册账号，不用配 API Key，甚至连模型都不用下载——它用的是 macOS 26 自带的语音识别能力。

说白了，以前你要装 Whisper 还得配 Python 环境、下载模型文件、折腾半天才能跑起来。这玩意儿装完就能用，双击即食。

macOS 26 到底给了什么黑科技

你也好奇对吧？一个 4MB 的 App，凭什么跟 Whisper 这种大模型掰手腕？

答案不在 Yap 本身，在 macOS 26。

苹果在 Tahoe 版本里加了两套新 API：SpeechAnalyzer 和 SpeechTranscriber。它们是苹果自己训练的本地语音模型，直接集成在系统里，任何 App 都能调用。模型由苹果管理、苹果更新、苹果优化——App 开发者什么都不用做，白嫖就完事了。

这就好比以前你想喝咖啡得自己种咖啡树、烘焙、研磨、冲泡，Whisper 就是那个流程。而 Yap 直接打开水龙头接速溶——水龙头（API）是 macOS 26 自带的，Yap 只是个杯子，4MB 的杯子。

yap_benchmark

有人专门拿 5,559 条 LibriSpeech 语音片段做了个 benchmark。结果如下：

  • Yap（macOS 原生）：干净语音字错率 2.12%，嘈杂环境 4.56%
  • Whisper Small：干净语音字错率 3.74%，嘈杂环境 7.95%
  • 速度对比：Yap 比 Whisper Small 快 3 倍

我没懂苹果为什么不在 WWDC 上吹这个。可能他们觉得这是常规更新？这是常规更新吗？这是降维打击啊兄弟。

说句实话，我也不是没踩过 Whisper 的坑。之前折腾 whisper.cpp 的时候，Intel Mac 上跑一段十几秒的录音，转文字等了快一分钟。风扇狂转，我人傻了。后来换了 M 芯片的机器好一些，但模型加载那几秒的延迟还是让人抓狂。

Yap 呢？快捷键一按，波形就出来了，你说完话，文字已经贴好了。没有加载动画，没有进度条，什么都没有——因为根本不需要加载。

跑起来看看

安装方式有两种，都极其简单。

方式一：Homebrew

brew install --cask frigadehq/tap/yap

方式二：直接下载

去 GitHub Releases 页面下载最新 .dmg，拖到 Applications 文件夹就行。已签名、已公证，macOS 不会弹出"未识别的开发者"警告。

装好后第一次启动，它会问你要四个权限：

权限 原因
麦克风 听到你说话
语音识别 在本地转文字
无障碍 知道你在用什么 App
自动化 把文字粘贴过去

无障碍权限需要手动在系统设置里打开——这是 macOS 对任何替你打字的 App 的强制要求，绕不开。

配好之后，找个输入框，按 ⌘⇧D，说句话试试。Yap 会在屏幕底部弹出一个小窗口，显示实时波形和转写预览。再按一次快捷键，文字就贴进去了。

如果你不想用 ⌘⇧D，Settings 里可以改成别的快捷键，甚至支持单独按右 Shift 键触发——这个设计挺妙的，右手拇指闲着也是闲着。

——说到快捷键设计，我插一句。之前用过一些 macOS 上的语音输入工具，比如 MacWhisper，功能也不错，但它是个 100MB+ 的 Electron 应用。Electron 啊兄弟，一个菜单栏工具里面塞了个浏览器内核，就为了显示一个设置窗口？这合理吗？Yap 是用 Swift 写的原生应用，4MB，空闲内存 60MB 左右，这才叫 macOS 应用该有的样子。

粘贴那段代码，才是真功夫

看了源码我才知道，最 tricky 的部分不是语音识别，而是粘贴。

Yap 的工作流程是这样的：

  1. 把转好的文字写到剪贴板
  2. 通过 System Events 模拟 ⌘V 粘贴
  3. 等待一阵子，再把剪贴板恢复成原来的内容

问题出在第三步。Chromium 内核的 App（Chrome、Edge、Electron 一堆东西）读剪贴板是异步的，而且会读好几次。如果恢复得太早，粘贴到一半剪贴板就空了，页面拿到的是空白。

Yap 的解决方式是加了一个延迟——具体等多久我没仔细算，但效果是可以的。无论你用的是原生 App 还是 Web App，它都能正确粘贴。

这个细节让我挺佩服的。作者不是写了一堆"Hello World"级别的代码就发布，而是真的在真实场景里打磨过。

说实话，这块我也没完全搞懂——为什么要异步读多次？Chromium 内部有什么特殊的剪贴板机制吗？有懂的大佬欢迎指正。

同类工具有什么可选的

macOS 上本地语音听写工具不多，能打的更少：

  • MacWhisper：基于 Whisper，功能多但体积大，Electron 应用
  • Whisper Transcription：也是 Whisper 套壳，需要下载模型
  • macOS 自带听写：系统级功能，但体验一般，不支持自定义快捷键粘贴到任何 App

Yap 的优势在于：够小、够快、够原生、零配置。

如果你对这类工具有兴趣，我此前还整理过《macOS 开发者工具的高性能趋势》，里面聊了不少原生 Swift 应用怎么做到极致性能的思路。关注后回复「工具」获取。

开源地址

项目在 GitHub 上完全开源，MIT 协议：

https://github.com/FrigadeHQ/yap

目前刚发布不久（HN 81 points），但代码质量极高，~3000 行 Swift，结构清晰，有单元测试。有兴趣的可以去看看源码，RecordingCoordinator 那个状态机的设计挺优雅的。

值得装吗？

如果你是 macOS 26+ 用户，日常工作需要写邮件、写文档、写代码注释、跟 AI 对话——装一个吧，不亏。

4MB 的体积，60MB 的空闲内存，零学习成本。装完快捷键一按就能说话，比打字快多了。这玩意儿不会天天用，但真要用的时候，你会觉得以前怎么没早点装。

反正删掉也就 4MB，怕什么。

本文使用 MGO 编辑并发布

关注"何三笔记"，回复"mgo" 免费下载使用