2.12%。
这是苹果最新操作系统（iOS 26 / macOS 26）内置语音识别引擎的英文错误率——比目前开源社区最主流的方案 Whisper 低了近一倍，比苹果自己上一代产品准了整整4倍。而且它全程在手机本地运行，不用联网，完全免费。
2026年7月13日，独立开发团队 Inscribe 公布了一项评测：把苹果新引擎和三个不同规模的 Whisper 模型放在同样的标准语料上，跑了5559条测试。结果让整个技术社区炸了锅——苹果不仅赢了，还赢得毫无悬念。
对普通用户来说，这意味着什么？你在 iPhone 或 Mac 上做语音转文字，将不再需要下载第三方应用。系统自带的键盘语音输入、语音备忘录转录，准确率已经超过了大多数需要付费才能用的第三方方案。
但对于过去三年里靠”Whisper + 包装界面”做付费应用的小团队来说，这个消息无异于晴天霹雳。
苹果到底做了什么？
在这次系统大更新里，苹果悄悄替换了用了很多年的语音识别底层引擎。旧引擎叫 SFSpeechRecognizer，新引擎叫 SpeechAnalyzer。苹果没为它开过发布会，没发过新闻稿，甚至没公布过任何准确率数字——它就是默默地出现在每一台升级了新系统的设备里，等你什么时候不小心点到了麦克风按钮才发现：“咦，好像比以前准了好多？”
Inscribe 团队之所以要做这个评测，正是因为苹果什么都没说。每一个在犹豫要不要把自己的App迁移到新引擎的开发者，都在盲猜。
评测结果一目了然：
| 引擎 | 清晰语音错误率 | 嘈杂环境错误率 | 模型大小 |
|---|---|---|---|
| 苹果 SpeechAnalyzer（新） | 2.12% | 4.56% | 系统内置 |
| Whisper Small | 3.74% | 7.95% | ~460MB |
| Whisper Base | 5.42% | 12.51% | ~140MB |
| Whisper Tiny | 7.88% | 17.04% | ~40MB |
| 苹果旧引擎 SFSpeechRecognizer | 9.02% | 16.25% | 系统内置 |
数据来源：Inscribe 团队在 M2 Pro Mac（macOS 26.5.1）上实测，使用 LibriSpeech 标准英文语料，全部离线运行。错误率越低越好。
几个数字的冲击力，比任何文字都直观：新引擎比旧引擎准了4倍，比需要额外下载460MB模型文件的 Whisper 中等版本还准了近一倍。而且跑得更快——处理同样一段音频，苹果引擎只用 Whisper 约三分之一的时间。
为什么免费比收费还好用？
这听起来反常识。但放在技术生态的视角下，平台方内置AI功能相比第三方有几个结构性优势，是任何独立开发者都复制不了的。
第一个优势：硬件和软件的一体化调校。 苹果的语音识别引擎是专门为自己芯片里的”神经网络引擎”（就是苹果设备里专门跑AI任务的那部分硬件）定制的。第三方开发者用 Whisper，只能做通用适配，没有办法像苹果那样把模型直接写入芯片底层。体现在结果上：不仅更准，还更快、更省电。有测试显示，苹果引擎跑同样一段音频的耗电量明显低于加载 Whisper 模型的方案，这对手机续航来说是实打实的好处。
第二个优势：零推广成本。 一个第三方语音转文字App要获客，需要在应用商店投广告、做内容营销、和竞品卷评分。苹果不需要做任何推广——它的语音识别直接嵌在键盘里、嵌在语音备忘录里，你甚至不需要知道这个功能叫什么名字，它就已经在那里了。打开任何一个输入框，点一下麦克风键就能用。这种”触达成本为零”的优势，任何第三方都望尘莫及。
第三个优势：隐私。 大多数第三方App需要把语音数据传到云端服务器处理。苹果的新引擎全程在设备本地运行，不联网，不传数据。对于律师、医生、记者、企业管理者这类对隐私高度敏感的用户来说，这个差别足以决定他们选哪一边。
历史一直在重演
如果你对苹果的历史有点了解，这种”内置一个功能，消灭一批App”的剧本已经上演过很多次了。
2013年，iOS 7 在控制中心加了一个手电筒按钮。一夜之间，当时 App Store 里最畅销的工具类应用——手电筒——几乎全军覆没。在那之前，手电筒App常年霸占排行榜前列。
2015年，苹果在备忘录里加了扫描功能，一批文档扫描应用随即失去增长。
2024年，苹果在语音备忘录里直接加了自动转录。而在此之前，“把语音备忘录导出到第三方App做转录”是很多付费应用的核心使用场景。
在技术圈，这种行为有个专门的称呼，叫”Sherlocking”——源自2002年苹果的 Sherlock 搜索工具把第三方应用 Watson 的功能直接做了进去，导致后者倒闭。二十多年过去了，这个名字一直没变，只是被”Sherlock”掉的应用换了一批又一批。
一位 Hacker News 用户的评论获得了大量认同：“那些只是简单包装了 Whisper 的付费应用，安息吧。苹果肯定会做一个原生的录音转文字工具，让这些包装器彻底失去存在意义。“
但这不是”全部死掉”的故事
虽然”Sherlocking”这个词听起来充满宿命感，但并不意味着所有做语音识别的第三方都会关门。
关键要看一个App到底在卖什么。如果核心价值就是”按下按钮→出文字”，那确实危险了——系统自带功能已经能做到更好、更快、免费，还更保护隐私。
但有一批应用提供的远不止”转录”本身：
- 多语言转写。 苹果目前主要优化了英语和约30种语言，Whisper 支持100多种语言。需要乌尔都语转写？还是要藏语识别？苹果暂时覆盖不到。
- 自动整理。 能把一小时会议录音自动变成带有标题、行动项、参与人标注的结构化纪要——做到这一步，就已经从「语音转文字」升级成了「语音转知识」。
- 跨平台。 在 Windows、安卓上做语音转文字，苹果的方案完全用不了。
- 垂直场景。 医学术语、法律术语、特定行业的专有名词——这些需要定制化的场景，通用模型做不到。
Inscribe 自己就是最好的例子。作为一家做语音转文字产品的公司，他们不仅没回避这个评测结果，还直接在自家产品里做了调整：在苹果引擎支持的语言上优先用苹果引擎，在苹果不支持的语言上继续用 Whisper。他们的态度很明确：第三方应用的价值，在于「在什么场景下、用什么样的方式、提供什么样的转录体验」——而不是能不能转录本身。
这件事的真正含义
笔者觉得，这次 SpeechAnalyzer 的出现，本质上是一个更大趋势的缩影：AI能力正在从”需要你主动去找”变成”操作系统自带”。
Windows 有 Copilot，安卓有 Gemini，苹果有自己的智能体系。每一家操作系统厂商都在把AI能力——文字总结、图像生成、语音识别——嵌入到系统最底层。对用户来说，你不需要去比较哪个App好用、哪个定价合理、哪个会偷你的数据。打开设备就能用，关掉网络也能用，升级系统自然就变好。
对开发者来说，这传递了一个不能更清晰的信号：如果你的产品只是一个技术模型的”皮肤”或”包装盒”，它随时可能被平台方一行代码替代。真正的壁垒是「对某个具体场景、某类具体用户的理解有多深」——而不是「能调用哪个AI模型」。
对应用生态来说，这也许是另一种形式的进化：平台方负责提供基础设施级的AI能力（就像操作系统自带计算器一样），第三方负责在上层做更复杂、更垂直、更个性化的创新。那些只会做”包装”的应用被淘汰，反而给真正有价值的创新腾出了空间。
参考链接
- Inscribe 博客：Apple Speech API Benchmark against Whisper ——独立团队对苹果新语音识别引擎与Whisper的首次完整评测，包含5559条标准语料的测试数据和全部原始转录结果，可免费下载验证
- Hacker News 讨论帖（402分，170条讨论）——全球开发者社区对此次评测的深度讨论，涵盖模型选择、多语言支持、应用生态影响等角度
- Argmax 官方博客：Apple SpeechAnalyzer and Argmax WhisperKit ——另一家语音识别工具商对苹果新API的评测与功能对比
- Voibe 资源站：Apple Dictation vs OpenAI Whisper ——苹果内置听写功能与 Whisper 在端侧与开源维度下的全面对比