近日，播客應用 Overcast 的開發者 Marco Arment 選擇自建一個由 48 臺 Mac mini 組成的服務器集羣，來應對雲端 AI 服務所帶來的高昂成本。Arment 指出，使用雲端 AI 服務進行播客轉錄的費用按次計費，隨着業務量的增加，每日支出可能高達數千美元，這讓他不得不尋求更加經濟實惠的解決方案。

在這 48 臺 Mac mini 中，Arment 利用 Apple Silicon 芯片的能效和統一內存的優勢，運行本地的語音識別模型，從而繞過了雲端服務的高昂費用。他認爲，儘管前期硬件投入較大，但後續的運營成本更加可控且可預測，這樣一來就有效解決了隨着業務量線性增長而帶來的成本壓力。

從技術實現上來看，整個轉錄過程依靠後端的 Mac mini 集羣，通過分佈式架構進一步提升處理效率。Arment 還特別強調了蘋果芯片在執行語音識別等推理任務中的優越性能，尤其是在能效比和統一內存方面的優勢。

在播客分發過程中，動態廣告插入技術使得不同聽衆接收到的音頻存在差異，這增加了轉錄對齊的難度。爲了克服這一挑戰，Arment 採用了音頻指紋識別和去重技術，系統能夠生成一份基準轉錄文本並將其映射到多個版本上。這種方法不僅保證了轉錄的一致性，還避免了重複計算，進一步提高了工作效率。

這一創新性的舉措不僅展示了開發者的技術能力，同時也爲其他類似業務提供了新的思路，讓他們在面對高昂的雲端服務費用時找到更加可行的解決方案。

劃重點：

🌐 Arment 自建 48 臺 Mac mini 集羣，避免了雲端 AI 服務的高昂費用。  

💡 本地運行語音識別模型使得運營成本更加可控。  

🔧 採用音頻指紋識別和去重技術，提高轉錄效率與一致性。