Superwhisper 私密语音输入教程：从本地模型到跨应用写作工作流

这份教程要解决什么

Superwhisper 可以把语音输入带进邮件、聊天、笔记、浏览器、文档和代码编辑器，但“能开始说话”不等于已经建立可靠工作流。语音会经过麦克风、语音模型、可选语言模型、历史与目标应用；每一步都可能改变文本或扩大数据边界。

本教程从最小权限和纯转录基线开始，再逐步加入本地或云端模型、自定义模式、词汇和跨应用插入。目标是让用户知道数据去了哪里，出现问题时能判断是识别、后处理还是应用插入，并能回到已知可用配置。

上线前检查

截至 2026 年 9 月 8 日，官方下载页要求 macOS 13.3 或更高版本、Windows 10 或更高版本、iOS 18 或更高版本。先确认设备系统、可用存储、麦克风质量和公司设备管理政策。macOS 的本地能力最完整；Windows 可使用本地语音模型，但本地语言模型当前只在 macOS 提供。

准备十条非敏感测试句，包含姓名、产品名、数字、日期、邮箱、中英文和一次口头改口。建立一个临时文档接收输出，不要首次就对客户邮件、医疗记录、财务系统或代码仓库直接操作。

记录三个成功标准：原始转录事实错误不超过可接受范围；后处理不会改动数字和否定关系；目标应用插入失败时不会覆盖已有内容。还要明确哪些数据绝不能上云，哪些低敏感内容可以使用云端模型。

第一步：安装与权限

从官方 Download 页面下载安装。首次启动时按系统提示授予麦克风权限；如果要把文字插入其他应用，通常还需要辅助功能或相应输入权限。只授予实现当前测试所必需的范围，不要看到提示就一次性开放所有目录、屏幕和自动化权限。

在系统设置中记下 Superwhisper 已获得的权限。测试完成后逐项撤销再重新授权一次，确认团队知道恢复路径。公司设备如由 MDM 管理，应让 IT 通过批准的配置下发，而不是让员工绕过安全策略。

选择一个不会与 Spotlight、输入法、会议软件或截图工具冲突的快捷键。按键后确认录音状态有清楚反馈，结束后文字只进入临时文档。若没有反应，先检查快捷键冲突和辅助功能权限，再检查模型。

第二步：建立纯转录基线

先使用不调用语言模型后处理的 Voice 模式。它只把语音模型输出成原始文本，最适合判断麦克风、语言和识别模型是否正常。不要一开始就启用邮件润色或复杂提示，因为那会把识别错误与改写错误混在一起。

依次朗读十条测试句，每条保留音频或原始历史到校对完成。标记错误类型：漏词、同音词、数字、标点、语言切换、专名或目标应用插入。若同一专名反复错误，记录到词汇候选；不要为了一个偶发错误立即增加大量规则。

用短句、长段落、安静环境和普通背景噪声分别测试。目标是建立当前设备的基线，不是证明某个厂商准确率。若原始转录已经错误，调整麦克风、语言或语音模型；语言模型无法可靠修复未知事实。

第三步：选择本地或云端语音模型

本地语音模型让音频在设备上转录，适合敏感信息、弱网和希望可预测数据流的场景。代价可能是首次下载、存储、内存和设备性能。云端语音模型更省设备资源，也可能提供不同语言与速度，但音频会通过服务端处理。

决策顺序应从政策开始：音频是否允许离开设备？若不允许，选择本地语音模型；若允许，再用真实语言、口音和设备比较速度与错误。不要因为某个模型被标为“最高准确”就忽略延迟、硬件和隐私。

官方当前列出多种本地模型，并可能随版本变化。购买前在实际设备打开模式设置核对。下载后断网运行测试句，确认没有静默切换到云端；若断网失败，查看模式实际选择，而不是只看应用全局标签。

第四步：决定是否启用语言模型后处理

语言模型可以删除口头填充、整理段落、改变语气和生成结构，但也可能改动数字、否定、专名和承诺。对医疗、财务、法律、采访引语和代码指令，先保留纯转录；对普通消息、邮件和提纲，可在人工复核前启用后处理。

macOS 可以选择本地语言模型，使第二阶段也在设备上运行。Windows 当前没有本地语言模型支持；需要完全避免云端时，应使用 Voice 模式跳过后处理。使用云端语言模型时，记录具体提供商、账户和数据协议。

Superwhisper 表示内置云端 API 使用零数据保留协议且不用于模型训练。若使用 BYOK，数据处理由你与对应提供商的协议决定。BYOK 不是自动更安全：还要检查 API 日志、区域、保留、密钥权限、额度和撤销。

第五步：建立四个明确模式

第一个模式命名为“原样听写”。关闭语言模型，只做转录，不自动补充事实。它是所有问题的诊断基线，也是敏感内容和精确引语的回退路径。

第二个模式命名为“工作消息”。要求删除嗯、啊和重复句，保留事实、数字、否定和原有语气，把内容整理为两到三段，不新增承诺。先用内部低敏感消息验证，再用于外部沟通。

第三个模式命名为“邮件”。明确输出称呼、正文和结尾，语气专业简洁；要求不编造日期、附件、会议或行动项。口述时把收件人关系和目的说清，而不是让模型从当前应用猜测。

第四个模式命名为“长文提纲”。把口述整理成二级标题、要点、待核实事实和下一步，但不生成 Markdown H1。把“事实”和“想法”分开，便于后续查证。每个模式保持单一任务，避免一个巨大提示词同时做摘要、翻译、润色、事实核验和发布。

第六步：配置中英混合词汇

从真实错误建立词汇表。优先加入姓名、品牌、产品、技术缩写、客户项目和常见英文大小写，例如 API、MCP、Directus、Superwhisper。每个词保持标准写法，不要把整段说明放入词汇项。

测试“中文句子中夹英文产品名”“英文句子中夹中文姓名”“缩写后接数字版本”三类组合。词汇命中后仍要检查语言模型是否二次改写大小写。若错误来自后处理提示，修模式；若错误来自原始转录，修词汇或语音模型。

每月清理一次过期客户名和临时项目。官方说明自定义词汇与文本替换存储并处理在本地，但词汇本身也可能包含敏感信息；仍应遵循最小保留，不要把完整账号、病历号或密钥加入。

第七步：测试目标应用

依次测试纯文本框、富文本编辑器、网页表单、聊天工具、邮件编辑器和代码编辑器。每个应用检查短句、长段落、换行、列表、中英文标点、撤销和焦点切换。某些应用可能阻止辅助功能插入或把长文本截断。