編按：本文綜合整理自 Inscribe 部落格、Argmax 評測、MacRumors 報導、Apple Developer WWDC25 影片，並加入 Siami 編輯部觀點與分析。蘋果在 iOS 26 與 macOS 26 推出全新
SpeechAnalyzerAPI，取代運作了近十年的SFSpeechRecognizer。然而蘋果至今從未公開任何準確率數字。對所有考慮遷移的開發者、以及想在蘋果生態系內比較內建語音辨識與 OpenAI Whisper 的團隊而言，這是個無法迴避的問題——過去一年，大家只能猜。總部位於都柏林的新創 Inscribe 同時把這五套引擎打包進自家產品，最近在自家部落格發布了一份極少見的完整基準測試：用 5,559 段 LibriSpeech 語料（含 2,620 段乾淨朗讀、2,939 段含噪聲朗讀），在同一台 Apple M2 Pro（32GB、macOS 26.5.1）上全程離線實測五套引擎的 WER（字錯誤率）。
測試結果：SpeechAnalyzer 完勝 Whisper Small
下表整理自 Inscribe 公布的實測數據（WER 越低越好）：
| 引擎 | test-clean WER | test-other WER | 模型大小 |
|---|---|---|---|
| Apple SpeechAnalyzer（iOS/macOS 26） | 2.12% | 4.56% | 系統內建 |
| Whisper Small（WhisperKit CoreML） | 3.74% | 7.95% | 約 460MB |
| Whisper Base | 5.42% | 12.51% | 約 140MB |
| Whisper Tiny | 7.88% | 17.04% | 約 40MB |
| Apple SFSpeechRecognizer（舊版） | 9.02% | 16.25% | 系統內建 |
關鍵發現：SpeechAnalyzer 在乾淨語音的 WER 比 Whisper Small 低 1.6 個百分點，含噪聲語音更低 3.4 個百分點，速度又快上約 3 倍。更驚人的是，被它取代的舊版 SFSpeechRecognizer 在乾淨語音的表現居然比 Whisper Tiny 這個只有 40MB 的小模型還差——這也難怪蘋果要把整個 API 砍掉重練。
為什麼這件事重要這份測試的份量來自三件事：蘋果自己沒做、第三方公正跑、五套引擎同台競技。過去一年，所有 iOS 開發者面對的問題是「我的 App 該不該從 Whisper 換回 Apple 內建？」而蘋果在 WWDC25 的 Session 277 只示範了 API 用法，沒給任何 benchmark 數字。社群只好各自做小型測試，數據零散、不可比對。Inscribe 把五套引擎（包括蘋果兩代 + Whisper 三個尺寸）放在完全相同硬體、完全相同語料、完全相同評測腳本下比較，這是業界第一份。這個結論的商業衝擊不小。Whisper 過去被視為「離線語音辨識的預設選項」，大量開源 App（如 Wispr Flow、MacWhisper、Spokenly）都圍繞 WhisperKit 打造。如果蘋果內建 API 在英文辨識上速度更快、準確率更高、模型體積趨近於零（系統內建），那麼 Whisper 在 Apple 平台上的護城河正在快速消失。Inscribe 自己也在測完之後調整了產品預設引擎——英文優先使用 SpeechAnalyzer，不支援的語言才退回 Whisper。對隱私導向市場更關鍵：內建 API 一定不送資料到雲端，這對企業、醫療、法律場景的合規要求是硬需求。Whisper 即便跑 WhisperKit CoreML 完全離線，也需要用戶下載 460MB 模型；SpeechAnalyzer 直接省下這一步。
🚨 數據解讀：Whisper 還沒死，但護城河已失
重點摘要：在英文 + Apple 硬體這個交集，Whisper 不再是「預設選項」；但跨平台、跨語言場景 Whisper 仍是唯一選擇。把 Inscribe 的數字放進更大的脈絡看，才能正確理解它的意義：
- Whisper 仍有兩項不可取代的優勢：覆蓋 100 多種語言（SpeechTranscriber 只支援約 30 種 locale）、跨平台（Linux、Windows、Android 都能跑）。在跨國企業會議、客服系統等場景，Whisper 仍是唯一選項。
- 「蘋果完勝」的結論有範圍限制：測試只用 LibriSpeech 英文朗讀語料，沒有涵蓋口音、多人對話、遠場會議錄音等真實場景。Inscribe 也承認下一階段要補 AMI、CHiME 之類的多人會議資料集。
- Apple Intelligence 與隱私路線一致：這份測試會進一步強化「蘋果裝置上的 AI 應該離線」的論述。如果未來 Apple Intelligence 對開發者開放更多 on-device 模型（不只是語音），整個產業的隱私標準會被拉高。
- Whisper 開源社群的下一戰場：已經有 NVIDIA Parakeet、Nemotron、Qwen3-ASR 等更新的模型，HN 留言區有人質疑「拿 Whisper 比太弱了，應該比 Parakeet 跟 Nemotron」。Whisper 的開源龍頭地位正面臨更新一代模型的挑戰。換句話說，這份 benchmark 是 Whisper 在 Apple 平台上的退場預告，但不是 Whisper 整體的訃聞。
延伸資源以下連結是 Inscribe 文章沒給、但 Siami 編輯部認為對完整理解此事件重要的素材：
- 官方文件：Apple SpeechAnalyzer 開發者文件
- 官方影片：WWDC25 Session 277 — Bring advanced speech-to-text to your app
- 同業評測：Argmax WhisperKit 對比測試（更早一份、結論相近）
- 媒體報導：MacRumors — Apple’s New Transcription APIs Blow Past Whisper
- 開發者指南：ByteIota — Apple SpeechAnalyzer vs Whisper: Migration Guide for iOS 26
- 產業評論：Callstack — On-Device Speech Transcription with Apple SpeechAnalyzer
- 原始基準：LibriSpeech ASR corpus
給開發者的建議如果你的 App 滿足以下任一條件，現在就該遷移到 SpeechAnalyzer：
- 只做英文辨識
- 目標平台是 iOS 26+ 或 macOS 26+
- 對離線、隱私、低安裝體積有要求如果你的 App 需要多語言、或要支援 Android/Windows/Linux，Whisper 仍是合理選擇，但應該考慮新一代模型（NVIDIA Parakeet v2、Nemotron Speech）做後續測試。
這份測試最有意思的不是數字，而是它順手抓出了 Inscribe 自己產品的一個 bug：他們的 Apple engine 匯入流程沒呼叫 finalizeAndFinishThroughEndOfInput()，導致 SpeechAnalyzer 永遠不會交付最終結果，匯入流程直接卡死。這個 bug 因為 Auto 模式預設用 Whisper 而從未觸發。測試自家產品的認真態度，意外撈出了一個藏匿已久的程式錯誤——這或許才是這份 benchmark 給所有工程團隊最實用的提醒。
網友熱門留言 (5)