Speech To Markdown：本地语音转 Markdown，Mac 与 iPhone 版有何不同？

Speech To Markdown 是一款本地语音转 Markdown 工具，可以把零散口述转成带有标题、列表和段落结构的 Markdown 笔记。它支持 Mac 和 iPhone，但两个版本采用的语音识别与文本整理方式并不相同。

如果经常用语音写文章初稿、记录灵感或整理工作日志，普通听写只能解决“转成文字”这一步，后续仍要手动分段、添加标题和整理列表。Wispr Flow、Superwhisper 等商业软件已经能处理这些工作，但部分功能需要付费，数据是否留在本机也要看具体模式和配置。

Speech To Markdown 把语音转写和 Markdown 整理放到了同一个流程中。Mac 版使用本地 Whisper 完成转写，Agent Mode 的文本流向取决于用户配置的 LLM 服务；iPhone 和 iPad 版则使用苹果提供的端侧语音识别与基础模型框架。

Speech To Markdown 能做什么？

Speech To Markdown 主要用来把口述内容转成 Markdown 笔记。它不只是逐字听写，还能根据内容自动分段、添加标题、整理列表，减少转写完成后的手动排版工作。

日常可以用它记录临时灵感、口述文章初稿、整理工作日志，或者把一段比较零散的表达改成结构清楚的提纲。Mac 版还提供全局语音输入和 Agent Mode，可以在其他应用中处理选中的文字；iPhone 和 iPad 版更适合随手录入并生成 Markdown 内容。

• 语音转文字：把实时口述内容转换成可编辑文本。
• 自动整理 Markdown：根据内容生成标题、段落和列表。
• 修改已有文字：在 Mac 上通过语音调整选中的文本。
• 继续补充内容：在现有笔记或草稿后追加新的口述内容。

Speech To Markdown 能替代 Wispr Flow 或 Superwhisper 吗？

Speech To Markdown 目前还不能完整替代 Wispr Flow 或 Superwhisper。它更像一款面向技术用户的免费方案：不需要持续订阅，但 Mac 版需要通过官方脚本安装并编译；使用 Agent Mode 时，还要自行配置兼容的 LLM 服务。如果希望文本整理留在本机，可以连接 Ollama、LM Studio 等本地服务。

Wispr Flow 更强调跨应用语音输入和开箱即用，Superwhisper 则提供更成熟的 Mac 客户端，并支持本地与在线模型。Speech To Markdown 的功能和平台成熟度暂时不在同一个级别，但对于已经使用 Ollama、LM Studio 等本地模型服务的用户，它可以作为一个成本较低的替代选择。

本地语音转 Markdown：Mac 与 iOS 版有什么区别？

Speech To Markdown 同时提供 Mac 和 iPhone、iPad 版本，但语音识别、文本整理和安装方式都不一样，具体区别如下：

Mac 版怎么用：全局听写与 Agent Mode

Mac 版提供两种使用方式。

最基础的是全局语音输入：按下默认快捷键 ⌘⌥]，可以直接在浏览器、终端或编辑器里把语音转成文字，这部分只依赖 Whisper 模型。

更进阶的是 Agent Mode。使用前需要配置兼容 OpenAI API 格式的 LLM 服务；如果希望文本整理也在本机完成，可以连接 Ollama、LM Studio 等本地服务。Agent Mode 提供三种处理方式：

• Format 模式：把零散口述整理成带有标题、列表和段落结构的提纲或文章初稿。
• Edit 模式：选中一段已有文字，再通过语音说明修改要求，例如“把这部分改得更简洁”。
• Append 模式：把新口述的内容追加到当前文档，不需要每次重新整理全文，处理长文档时响应更快。

Speech To Markdown 的数据会传到云端吗？

这需要分别看 Mac 版和 iPhone、iPad 版，不能简单概括为“所有处理都在本地完成”。

Mac 版使用 whisper.cpp 在本机完成语音转写，原始录音不需要上传给在线语音识别服务。进入 Agent Mode 后，转写文本会被发送到设置中配置的 LLM 地址：如果连接的是本机运行的 Ollama、LM Studio 等服务，文本整理可以留在本地；如果用户改为远程服务器或第三方 API，相关文本就可能离开设备。

iPhone 和 iPad 版使用 Apple SpeechAnalyzer 完成语音识别，并通过 Apple Foundation Models 整理文本。按照项目公开说明，这些处理在兼容设备的端侧完成，不需要另外连接 Whisper 或第三方大模型服务。

从使用场景看，Speech To Markdown 更适合个人灵感记录、文章初稿、工作日志以及会后口述整理。它目前没有提供多人说话人分离、自动会议录制、批量导入长音频或团队协作等功能，因此不能代替 Granola、Otter 等专业会议转录工具。

Speech To Markdown 没有 LICENSE，可以商用吗？

截至 2026 年 7 月 27 日，Speech To Markdown 的源码可以在 GitHub 查看，但仓库中没有 LICENSE 文件。源码公开不代表自动允许修改、重新分发或商业使用，也不能据此认定可以集成到商业产品中。

个人用户可以按照项目提供的方式安装和体验软件；如果准备修改源码、重新打包发布、集成到商业产品或对外提供服务，建议先联系开发者确认授权范围。后续如果仓库补充了许可证，应以 GitHub 上的最新说明为准。

Speech To Markdown 适合哪些用户？

如果你的 Mac 内存较充裕，并且已经在使用 Ollama、LM Studio 等本地模型服务，Speech To Markdown 可以作为收费语音输入软件的本地替代方案尝试。它更适合愿意配置本地环境、希望控制数据流向，并且经常用语音整理 Markdown 笔记的用户。

如果你只想安装后直接使用，或者需要 Windows、Android、团队协作及专业会议转录功能，Wispr Flow、Superwhisper 或其他成熟商业工具目前会更合适。老款 iPhone 和不支持 Apple Intelligence 的 iPad 也无法运行其移动版本。

Speech To Markdown 官网与项目资料