本地运行 Qwen3-ASR
在你的 Mac 上跑 Qwen3-ASR，
直接拿来语音输入。
Qwen3-ASR 是阿里开源的语音识别模型，支持 52 种语言和方言（其中 22 种是中文方言），能处理中英混说。自己跑它需要 Python、MLX 或者编译 llama.cpp。TypeAloud 把它打包好了：下载应用，选模型，按住快捷键说话。
TypeAloud 中的 Qwen3-ASR，M4 / 24 GB 实测
| 0.6B（默认） | 1.7B（可选） | |
|---|---|---|
| 下载大小 | 约 1 GB | 约 2.52 GB |
| 转写 6 秒录音 | 0.30 秒 | 0.71 秒 |
| 转写 30 秒录音 | 0.96 秒 | 2.07 秒 |
| 加载模型 | 约 0.7 秒 | 约 1.0 秒 |
| 内存峰值 | 1.39 GB | 2.89 GB |
竞品信息核对于 2026年10月26日，来源：Qwen3-ASR model card。价格和额度可能变动，请以官方页面为准。
怎么运行的
模型直接用你 Mac 的芯片运行，录音不需要上传。技术上，TypeAloud 通过 llama.cpp 运行 Qwen3-ASR 的 8 位（Q8_0）版本，在 Apple Silicon 上用 Metal 加速。你说话的同时后台就在预热，所以加载时间大多和你说话的时间重叠。Windows 和 Linux 上同样的模型在 CPU 上跑，Windows 可选 Vulkan，这两个平台目前是实验性的。
上面的时间不包括录音和插入文字，数据来自 TypeAloud 维护者在 M4 上的实测。
连续说很长一段时
Qwen3-ASR 处理一分钟以内的片段效果最好，所以 TypeAloud 会在你说话的自然停顿处，把长听写切成 20 到 75 秒的片段，边说边转写。松开时把各段拼起来再一次插入，中文之间不会多出空格。TypeAloud 不支持导入录音文件。
选哪个大小
先用 0.6B，在任何 Apple Silicon Mac 上都很快。TypeAloud 会记录你这台 Mac 的转写速度，样本够了之后，如果 15 秒的话用 1.7B 也能在 1.5 秒左右出结果，就会建议你换 1.7B。1.7B 在日常听写里是否更准还没测过，所以把它当成一个选项，而不是升级。
不用设置语言
TypeAloud 用的是 Qwen3-ASR 的自动语言检测，你不用手动选语言。这就是中英混说不用切换任何设置的原因，也是很多人用它解决 Whisper 中英混合识别不准的原因。
常见问题
- 需要装 Python 或 Homebrew 吗？
- 不需要。TypeAloud 是签过名的 Mac 应用，第一次选择模型时在应用里直接下载。
- 下载完还需要联网吗？
- 不需要，转写在你的 Mac 上完成。详见 Mac 离线语音输入。
- 能在命令行里调用吗？
- 目前不能。TypeAloud 是语音输入应用：按住 Ctrl+Shift，说话，文字出现在光标处。
- 开源吗？
- 开源，TypeAloud 采用 GPL-3.0。详见 Mac 开源语音输入。
TypeAloud：免费的 Mac 语音输入，在本机转写。
按住 Ctrl+Shift 说话，松开后文字出现在光标处。不限字数，无需账号，开源。
下载 Mac 版