FluidVoice 免費本機語音輸入工具，中文聽寫先選對辨識引擎

用 AI 摘要這篇文章：

ChatGPT Claude Perplexity Google Grok

語音聽寫這個品類，長期由月費訂閱的雲端服務主宰。10 月 14 日，開源聽寫工具 FluidVoice 的官方帳號在 X 發了一則挑釁味十足的貼文，直接列出四款同類產品的月費，並在自己的名字旁標上 0 元，主打 Fluid-1 模型完全在裝置上執行。

把這波宣傳的每個說法對回官方文件，可以看到三件事：免費與本機處理屬實，下載量與版本迭代也查得到出處；「開源」只覆蓋 App 外殼，被行銷當成主角的 Fluid-1 潤飾模型是私有組件；而中文用戶在安裝後，還得先解一道辨識引擎的選擇題，因為 Mac 版預設的語音辨識模型只聽英文。

一則貼文點名四家月費，兩種速度數字要分開看

官方貼文的寫法很直接：Wispr Flow 與 Willow 各為每月 15 美元，Superwhisper 每月 8.49 美元、Aqua Voice 每月 8 美元，FluidVoice 則標 0 元。這份價格列表屬於官方單方面的宣稱，各家實際方案可能隨時間調整，付款前仍以對方官網為準。

貼文附了一張延遲比較圖。圖中 FluidVoice 標示 156 毫秒，涵蓋 10 到 60 秒的日常聽寫，而且這個數字包含了語音轉錄加上 Fluid-1 潤飾的完整流程；Willow Voice 200 毫秒、Aqua Voice 600 毫秒、Superwhisper 700 毫秒、Wispr Flow 900 毫秒、Typeless 1,000 毫秒。圖片右上角的小字才是關鍵：FluidVoice 的數字來自 M5 Max 實測，其他產品的數字取自 Willow 團隊在 M5 MacBook Air 上的測試。硬體不同、方法不同，這張圖適合當行銷素材看，不適合當採購依據。

貼文文字裡還有另一個數字：每秒 2,000 token 以上。Token 是文字模型處理內容的單位，這裡量測的是 Fluid-1 文字後處理的吞吐速度，圖表標題也註明是在 M5 Max 上測得。它跟「按下快捷鍵到文字可用」的整段等待時間是兩種口徑。

要理解這件事，可以把一次聽寫拆開看：按下全域快捷鍵開始錄音，說完之後程式先判斷錄音結束，接著語音模型把聲音轉成文字，Fluid-1 再把口語整理成適合貼進應用程式的句子，最後透過輔助使用權限把文字送進目標欄位。每秒 2,000 token 描述的是其中「整理」這一段的模型吞吐，而 156 毫秒涵蓋的是聽寫當下從轉錄到潤飾的完整流程。兩個數字都真實，但回答的是不同的問題。另外初次使用前，模型檔案需要下載與載入，官方示範的流暢畫面都是模型已就位的狀態，剛裝好的頭幾次體驗會多一段等待。

免費、本機、下載量，三項都對得上官方文件

拋開行銷話術，FluidVoice 的基本盤經得起核對。官網標示永久免費、不分收費等級，累計下載超過 35 萬次；GitHub 專案累積約 12,200 顆星，最近一次穩定版 1.6.11 在 10 月 12 日發布，隔天又推出 1.6.12 測試版，兩週內連發三個版本，維護節奏相當快。Homebrew 的 fluidvoice cask 也同步到 1.6.11，一條指令就能裝。

Pin

本機處理的說法也有官方文件背書。官網常見問答明文寫著：預設情況下，音訊與聽寫文字都在裝置上處理；只有當你主動選用雲端供應商時，對應功能所需的內容才會外送。App 內建的 AI 潤飾可以接 OpenAI、Groq 或自訂供應商，這些都是使用者自己開啟的選項。

操作模型本身也值得認識，因為它決定了你會怎麼把這工具放進日常工作。FluidVoice 在 Mac 上以選單列常駐，按住一組全域快捷鍵就開始錄音，螢幕上會浮出即時逐字預覽，支援數小時的長口述而不需手動分段。它內建三種模式：Write 模式把口述寫成文字或改寫選取的段落，Command 模式用語音操作 Mac，Direct Dictation 則是直接聽寫，三種模式對應「要潤飾、要操作、要照原話」三種需求。

最有意思的設計是按應用程式調整語氣。官方示範裡，同一句帶口語雜訊的工程訊息，送到 Slack 會變成輕鬆的同事口吻，送到 Mail 會變成正式信件，送到 GitHub 會變成結構化說明；程式會自動偵測目前焦點在哪個 App，套用對應的提示設定，使用者也可以為每個 App 自訂提示詞。對常在通訊軟體、郵件與開發工具之間切換的人，這個機制讓「說話」可以一路貫穿不同場合，代價是潤飾模型有機會改寫你的原意，這一點後面會再回到。

換句話說，「免費」與「本機預設」兩個關鍵承諾，在官方文件的層級是成立的。真正需要拆開看的，是授權結構。

開源的只有外殼，行銷主角 Fluid-1 是私有模型

FluidVoice 常被一句話帶過：「開源免費聽寫工具」。這句話對了一半。打開 GitHub 儲存庫的 README，官方自己把界線畫得很清楚：FluidVoice 這個 App 以 GPLv3 授權開源，但驅動文字潤飾的 Fluid Intelligence 是另一個「私有維護」的本機 runtime，官方明說「目前保持私有」，理由是要讓核心聽寫功能可持續免費。

Pin

所以這個專案實際上是三層授權結構。最外層的 App 外殼，2026 年 2 月 23 日起採用 GPLv3，更早的版本是 Apache 2.0。中間層的語音辨識，官方在 Labs 頁開放了 Fluid Speech Mini 的模型權重，253 MB 的英文語音模型，在開放 ASR 排行榜八個英文測試集的平均錯字率 4.54%，與下載量約五倍的 Parakeet Ultra 打平。最內層的 Fluid-1 潤飾模型，權重與訓練方式都不公開。

對使用者的意義很實際。你可以免費使用、可以檢視轉錄端的程式碼與權重，但潤飾這一步的信任只能建立在官方承諾上，無法自行驗證。對多數人來說這未必是問題，畢竟模型照宣稱跑在本機，內容沒有外送；但若你的工作涉及高度敏感文件，或你需要對供應鏈的每個環節提出證明，這層私有組件就該計入風險評估。同樣訴求本機的 Input 0 走的是另一條路：轉錄留在 Mac 本機，文字潤飾預設交給雲端 API，兩種取捨剛好映出這個品類的共同難題，潤飾品質與資料路徑很難兩全。

Fluid-1 本身提供三個尺寸：標準版、Mini 版下載量壓在 1.5 GB 以下、Pico 版只要 600 MB，官方建議入門 M1 MacBook Air 從 Pico 起步，搭配 Fluid Speech Mini 合計下載量不到 1 GB，這個組合的工作記憶體也壓在 1 GB 以內。若要裝完整版 Fluid Intelligence，README 列的磁碟需求約 3.5 GB。模型下載發生在初次設定的引導流程裡，可以先用小模型跑日常情境，品質夠用就不必急著放大。

另外要留意命名：官網有時把 Fluid-1 當模型名、有時把 Fluid Intelligence 當整包能力在講。對照文件可以確定的是，Fluid-1 是模型系列，Fluid Intelligence 是承載它的本機 runtime，而這個 runtime 正是不開源的部分。

中文聽寫的引擎選擇題

最關鍵的資訊反而藏在模型表裡。Mac 版的預設組合是 Fluid Speech Mini 負責聽出文字、Fluid-1 負責整理，而 Fluid Speech Mini 是純英文模型。Parakeet 系列同樣不含中文：速度最快的兩個版本只支援英文，多語版本支援的 25 種語言全是歐洲語系。

官網首頁標榜的 40 種以上語言，是跨引擎的行銷總數，實際能聽哪種語言取決於你選的引擎。要聽中文，得在安裝時改選其他轉錄引擎：Cohere Transcribe 支援 14 種語言，清單明列 Mandarin，下載約 1.4 GB；Whisper 依模型大小最多支援 99 種語言，涵蓋中文，代價是下載量從 75 MB 一路放大到 2.9 GB；Apple Speech 直接使用 macOS 內建的系統語音辨識，支援語言跟著系統設定走。Nemotron Speech 3.5 官方標示約 40 種語言，但沒有公布完整清單，中文支援無法從文件直接確認。若你主要聽寫中文，蛐蛐 QuQu 這類專為中文設計的開源工具仍是值得並列的選項；在意引擎隨時可替換的彈性，LazyTyper 也提供類似思路。

還有一個硬體分支要注意：Apple Silicon 晶片的 Mac 可以用全部模型，Intel 晶片的 Mac 只能走 Whisper 系列。這是官方文件明列的限制，不是行銷話術。

前面提到潤飾有機會改寫原意，這裡展開講。Fluid-1 的工作是把口語變得乾淨：去掉語助詞、修正大小寫、調整結構與語氣。這對大多數訊息是加分，但碰到條件與否定時要格外小心。例如「先做甲案，不要動乙案，週五前給草稿就好的初稿」，潤飾若把「不要動」這類否定語氣修掉或改寫，句子的執行後果會完全不同；會議紀錄若需要保留「本來說週三、後來改成週四」的修正過程，過度整理反而抹掉決策軌跡。

所以中文用戶的實際建議是：安裝完成後，先到設定把轉錄引擎換成 Cohere Transcribe 或 Whisper，再拿一段包含專有名詞、否定條件與中途改口的真實工作內容去測；AI 潤飾在這個工具裡是可開關的選項，先關掉跑一份原始逐字稿，再打開跑潤飾版，兩相比對。逐字稿對、潤飾錯，問題在 Fluid-1 的提示設定；逐字稿就錯，該調的是轉錄引擎或麥克風條件。把錯誤歸因到對的層，才不會白換設備。至於中文聽寫的實際準確率，目前沒有實機安裝測試可以佐證，這裡不代任何一方背書。

遙測預設開啟，下載前還要認明官網

「本機處理」指的是聽寫內容，另一套預設值常常被忽略：遙測。README 的隱私段落寫明，詳細匿名分析預設開啟，內容包括每日功能與模型使用量、安裝進度等彙總數字，會以週為單位批次上傳；不想參與可以在設定的分享匿名分析選項關閉，關閉後只剩每週一次的基本活動訊號。官方同時明文列出不蒐集清單：語音、原始音訊、逐字稿、提示詞、剪貼簿與輸入內容都不在上傳範圍。換句話說，內容層與統計層是兩個獨立的開關，看重內容隱私的人也該順手檢查統計層。

離線場景則要看設定組合。官網標榜本地模式零連線可用，這在沒接任何雲端供應商時成立；一旦潤飾走了 OpenAI 或 Groq，那一段就需要網路。想在飛機上或斷網環境聽寫的人，裝完後可以先把雲端選項留在關閉狀態，用自己的流程驗證一次完整輸入。想把整套語音工作都留在本機的人，也可以把 Voicebox 這類聲音工作室與聽寫工具搭配使用，兩者的本機定位剛好互補。

權限方面，macOS 版需要麥克風存取權，以及輔助使用權限，後者用來把文字輸入到其他 App 的任意欄位。這兩項都是聽寫工具的必要配置，安裝時系統會逐一詢問。

另一個值得記下的警告：官方在網站與 README 都張貼了宣告，fluidvoice.org 這個網域與 FluidVoice 無關，卻對外宣稱是官網。正確的下載來源是 fluidvoice.com、GitHub Releases，或直接用 Homebrew 安裝。搜尋引擎結果裡出現相似網域時，先核對再下載。

現在能裝什麼，還不確定什麼

截至 10 月中旬的狀態：Mac 版是正式版，要求 macOS 15.0 以上；Windows 版與 iPhone 版都還在測試階段，iPhone 走 TestFlight，要先填一份問卷才會收到邀請，問卷內容包含裝置型號、iOS 版本、主要聽寫語言與目前的聽寫工具，看得出官方正在盤點各語系的早期用戶樣貌；Linux 與 Android 只開放候補名單。官方也提醒，各平台的功能與模型可用性不保證一致，Mac 的順暢體驗不能直接推到手機上。

未確認的部分同樣要說清楚。中文口述的實際準確率與潤飾品質，需要實機測試才能回答；貼文中四款競品的月費是 FluidVoice 官方整理的列表，各家方案細節與優惠隨時會變；Windows 與 iPhone 測試版的穩定度也還沒有足夠的公開回饋。這個專案版本迭代很快，未來幾週模型陣容與功能可能又會調整，回查時以 GitHub Releases 的版本紀錄為準。

如果你每個月都在付聽寫訂閱費，FluidVoice 值得花 20 分鐘裝來對照：免費是真的、內容留在本機也是真的，中文用戶只要先選對轉錄引擎，就能用自己的口述內容驗證它能不能取代你手上的訂閱。驗證的標準很簡單，拿你真實工作裡最常講的那段話去測，看初稿與潤飾後的文字，哪個環節需要人工修改，那才是決定去留的數字。