今天 GitHub Trending 上冒出一个 macOS 专属项目，一天涨了 588 颗星，名字叫 FluidVoice。
FluidVoice 是什么？
简单说：在 Mac 上把你说的话实时转成文字。和 Wispr Flow 定位类似，但它是完全离线运行的，不需要联网，隐私性拉满。对经常需要写稿、做会议记录、或者懒得打字的人来说，这个工具解决了真实痛点。
它本质上是一个本地语音转文本（STT）引擎，通过 macOS 的辅助功能 API 把转录结果直接插入到任何应用的文本框中——你在微信、飞书、Notion、VS Code 里都能用。
六大核心功能，不只是"语音转文字"
1. 实时转录 + 低延迟：平均延迟控制在 100ms 以内，说话和文字出现几乎同步。对于常见语言（英语、中文等），识别准确率超过 95%。
2. 完全离线运行：所有语音模型都在本地跑，音频数据不离开你的 Mac。这在处理敏感会议、商业沟通时很有价值。
3. 命令模式（Command Mode）：不只是转录，还能用语音控制 Mac。说出指令就能操作应用，有点像更高阶的 Siri，但用的是本地模型。
4. 书写模式（Write Mode）：直接在任意文本字段中写或重写文本。录音说完，文字自动出现在光标所在位置。
5. AI 增强后处理：可选接入 OpenAI、Groq 或自定义 API 提供商对转录结果做二次润色。不过基础转录本身已经是离线的，AI 增强只是锦上添花。
6. 全局快捷键 + 实时预览：不需要切换应用，一键触发录音。实时转录结果以半透明叠加层显示，支持刘海屏。
六种语音模型，各有各的用
FluidVoice 不是绑死一个模型，而是提供了 6 种本地语音模型供用户切换——不同场景选不同模型：
| 模型 | 大小 | 特点 |
|---|---|---|
| Nemotron Speech 3.5 | ~670 MB | Apple Silicon 优化，综合能力强 |
| Parakeet Flash | ~250 MB | 最轻量，低延迟，专注英文 |
| Parakeet TDT v3/v2 | ~500 MB | 多语言支持，中英文通吃 |
| Cohere Transcribe | ~1.4 GB | 支持 14 种语言，覆盖面最广 |
| Apple Speech | 内置 | macOS 原生引擎，Intel + Silicon 通用 |
| Whisper（Tiny~Large） | 75 MB~2.9 GB | OpenAI 开源模型，从轻量到旗舰全覆盖 |
这种多模型路由的设计思路很聪明——不是选一个"最强"模型，而是让用户在不同场景（低延迟 vs 高精度 vs 多语言）之间灵活切换。对于做 AI 应用的同学，这是值得学习的架构模式。
和同类产品比，差在哪又强在哪？
| 功能 | FluidVoice | Wispr Flow | Dragon | Copilot Voice | Nolan |
|---|---|---|---|---|---|
| 实时转录 | ✅ | ✅ | ✅ | ❌ | ❌ |
| 离线运行 | ✅ | ❌ | ❌ | ❌ | ❌ |
| 多语言 | ✅ | 仅英语 | 多种 | 仅代码 | 仅代码 |
| macOS 原生 | ✅ | ❌ | ✅ | ❌ | ❌ |
| 命令模式 | ✅ | ❌ | 部分 | ❌ | ❌ |
| AI 增强 | ✅ | ❌ | ❌ | ❌ | ❌ |
在离线能力、多模型选择、命令模式三个方面，FluidVoice 有明显优势。Wispr Flow 在品牌和生态上更强，Dragon 胜在历史积累（做了 20 多年的语音识别），但 FluidVoice 这种"开源 + 本地 + 多模型"的组合，切中了对隐私和控制权有要求的用户群体。
一分钟安装
# 通过 Homebrew 一键安装
brew install --cask fluidvoice
# 或者去 GitHub Releases 页面下载最新版
# https://github.com/altic-dev/FluidVoice/releases/latest
# 首次使用需要授权：
# 1. 系统偏好设置 → 安全性与隐私 → 麦克风 → 允许 FluidVoice
# 2. 系统偏好设置 → 安全性与隐私 → 辅助功能 → 允许 FluidVoice启发：能学到什么？
但从架构思路上，有三个关键启发值得记录：
1. 本地 AI 增强的思路：FluidVoice 的核心转写完全在本地完成，可选 AI 增强只做后处理。这种"本地基础能力 + 云端智能增强"的混合模式，在处理隐私敏感数据时很有参考价值。比如客户沟通记录、内部会议纪要等场景，可以先本地处理脱敏，再交给云端大模型做总结。
2. 多模型路由架构：6 种语音模型并行支持，用户按场景切换（轻量模型追求速度、大模型追求精度）。这和我们在 OpenClaw 中根据任务复杂度路由不同 LLM 的思路完全一致——不是选"最好的"模型，而是选"最合适的"模型。
3. 命令模式的设计：语音控制计算机不只是技术问题，更是交互设计问题。FluidVoice 把"听写"和"命令"分成两种模式，避免用户说的话被当成指令误触发。这种设计对 OpenClaw 未来的语音指令功能探索有借鉴意义。