科技媒體 macstories 發佈了一篇關於蘋果新推出的 Speech API 的博文，引發了業界的廣泛關注。通過對一段時長34分鐘、大小達7GB 的4K 視頻文件進行轉錄測試，結果顯示，蘋果的新 Speech API 僅耗時45秒，速度遠超其他同類工具。相較之下，OpenAI 的 Whisper 轉錄時間爲101秒，蘋果的技術優勢可見一斑，提升了約55% 的效率。

image.png

蘋果在2025年全球開發者大會 WWDC 上首次宣佈了這一 Speech 框架，框架中包含了 SpeechAnalyzer 和 SpeechTranscriber 兩款模塊。這一技術的推出，標誌着蘋果在語音處理領域的進一步突破，尤其是在速度和準確性方面的提升。

在具體的測試中，媒體使用了基於新模塊開發的 Yap 應用進行轉錄。通過對比不同工具的表現，Yap 以45秒的快速轉錄時間，成爲了市場上表現最優的選擇。相對而言，MacWhisper（基於 OpenAI 的 Whisper 開源語音轉錄模型）需要1分41秒，而 VidCap 則需要1分55秒。更早版本的 MacWhisper(V2)甚至要耗時3分55秒。

雖然所有測試工具在識別專有名詞時都出現了一定誤差，比如 “AppStories” 的識別，但 Yap 在本地化運算上的優勢，確保了其在處理多段視頻時的效率更爲顯著。通過計算每週處理多段視頻所節省的時間，用戶可以顯著提高工作效率。

image.png

這項技術的快速發展，不僅爲視頻內容創作者提供了便利，也爲後續的應用場景拓展奠定了基礎。未來，隨着 AI 技術的不斷演進，蘋果在語音識別領域可能會推出更多創新的解決方案，進一步提升用戶體驗。

劃重點:

🌟 蘋果新 Speech API 轉錄34分鐘4K 視頻僅需45秒，速度超越競爭對手。  

⏱️ 與 OpenAI Whisper 相比，蘋果技術提升了約55% 的效率，表現顯著。  

📈 本地化運算優勢使 Yap 在多段視頻處理上效率更高，爲用戶節省大量時間。