Yap: 面向 macOS 的开源本地语音听写工具

Yap 是一款面向 macOS 的开源语音听写工具，使用户能够在任何活动文本框中直接将语音转录为文本。通过利用 Apple 原生的 Speech 框架，Yap 提供了一种注重隐私、低延迟的体验，完全在设备本地运行，无需云端连接、API keys 或下载外部机器学习模型。

通过 Apple Speech 框架实现本地转录

Yap 使用了 macOS 26 (Tahoe) 中引入的 SpeechAnalyzer 和 SpeechTranscriber API。这些 API 允许应用程序使用由操作系统本身管理和分发的语音转文本模型。这种设计消除了应用程序捆绑沉重模型权重（例如 Whisper 所使用的权重）的需求，这些权重通常会消耗数百 MB 的 RAM，并可能导致旧款 Intel 架构 Mac 的性能下降。

根据开发者引用的基准测试，Apple 的原生语音 API 在清晰音频上的字错误率 (WER) 为 2.12%，在嘈杂音频上的字错误率为 4.56%，在 5,559 个 LibriSpeech 剪辑上的运行速度比 Whisper Small 快约三倍，同时表现优于 Whisper Small（后者分别为 3.74% 和 7.95%）。

核心功能与工作流程

Yap 以菜单栏应用程序的形式运行，其工作流程围绕全局快捷键（默认为 –ℏ D）展开：

• 基于触发的听写： 用户按下快捷键开始录音，再次按下则停止。生成的文本会自动粘贴到当前活动应用程序的焦点文本框中。
• 实时反馈： 在说话时，一个小窗口会显示实时波形和正在进行的转录预览。
• 本地历史记录： 每份转录文本都会保存在本地，允许用户搜索、复制或删除之前的听写内容。
• 可自定义的触发器： 快捷键可以完全重新绑定，包括支持单修饰键触发（如右 Shift 键）。
• 隐私设计： 该应用不进行任何网络调用，不包含遥测数据，也不需要用户账户。

技术实现与架构

Yap 使用原生 Swift 编写（约 3,000 行代码），并保持极小的占用空间，空闲时内存占用约为 60 MB。

音频处理与插入

为了防止句子的第一个词被切断，Yap 使用 AVAudioEngine 来捕获音频，并在语音栈初始化时进行缓冲。转录通过 SpeechAnalyzer 处理，并启用易失性结果以进行实时预览，同时使用 SFSpeechRecognizer 作为不支持地区的备选方案。

向其他应用程序插入文本是通过将文本写入剪贴板并利用 System Events 模拟 –V 命令来实现的。开发者指出了一个针对 Chromium 系应用的特定实现细节：应用会在恢复原始剪贴板内容之前进行等待，因为这些浏览器是异步读取剪贴板的。恢复剪贴板过快会导致粘贴旧数据。

安全性与沙盒

Yap 是在 Mac App Store 之外分发的，且未进行沙盒处理。这在技术上是必要的，因为 macOS App Sandbox 禁止使用 System Events 来驱动其他应用程序，也禁止读取焦点 UI 元素，而这两者对于听写工具将文本粘贴到其他应用是必不可少的。

安装与要求

系统要求： Yap 需要 macOS 26 (Tahoe) 或更高版本；若要从源码构建，则需要 Xcode 26。

安装方法：

• Homebrew: brew install --cask frigadehq/tap/yap
• 直接下载： 最新的 .dmg 文件可通过 GitHub Releases 页面获取。

所需权限： 首次启动时，Yap 需要访问麦克风、语音识别、辅助功能（用于识别活动应用）和自动化（用于粘贴文本）。辅助功能权限必须在系统设置中手动开启。

社区见解

虽然该项目因其速度和隐私性而受到好评，但一些用户提出了关于它与内置 macOS 听写功能差异的问题。其他人指出，虽然 Apple 的原生模型具有很强的竞争力，但在某些基准测试中，像 NVIDIA Parakeet TDT v2 这样的专用模型仍然保持优势。