做 macOS 开发的，平时也会用语音输入。但市面上的语音识别 App 基本都是订阅制，用得不多的话感觉亏，就想着自己做一个买断的。 正好 Apple 的 MLX 框架支持在 Swift 里直接跑模型，用 Metal GPU 做了些优化（算子融合、量化之类的），速度和 Python 实现差不多，有几个还快一点。 最后移植了 5 个模型： Parakeet v3 (NVIDIA) — 英语贼快，M1 上 25 倍实时 Whisper Turbo (OpenAI) — 老牌，啥语言都行 …