2026 年 iPhone 与 iOS 最佳 Whisper 应用：每款到底运行哪个模型

快速结论： 2026 年 iOS 上最好的 Whisper 应用是 LoroNote（Whisper Large V3 Turbo，端侧运行）、Whisper Notes（Whisper 加 Parakeet 和 SenseVoice，端侧运行）、Aiko（iPhone 上为 Whisper medium 或 small，端侧运行）和 Whisper Memos（云端 Whisper，结果发送到你的邮箱）。“Whisper 应用”这个标签只说明了模型家族——它既没有告诉你运行的是哪个尺寸的 Whisper，也没有告诉你音频是否留在 iPhone 上。这两个事实在四款应用之间各不相同，而且比标签本身重要得多。

• iPhone 上最强的 Whisper 模型： LoroNote——Large V3 Turbo，是这几款应用中在 iOS 本地运行的最大 Whisper 版本
• 最适合切换模型： Whisper Notes——Whisper、Parakeet 和 SenseVoice 集于一身，6.99 美元一次买断
• 跨 Apple 平台的最佳一次买断： Aiko——24.00 美元一次付清，也能在 Mac 和 Apple Vision 上运行
• 想让文字稿直接寄到邮箱： Whisper Memos——云端处理，自动生成 AI 摘要

本比较由 LoroNote 团队于 2026 年 8 月 13 日整理。LoroNote 是我们自己的应用。关于其他应用的每一项描述，均取自其当天的美国 App Store 页面；页面没有说明的内容一律标注为“未说明”，而不是猜测。

什么是 Whisper 应用？

Whisper 是 OpenAI 发布的开源语音识别模型家族。“Whisper 应用”就是任何使用其中某个模型把音频变成文字的应用。

这一个标签背后隐藏着两个足以彻底改变产品的决定：

1. 用哪个 Whisper 版本。 Whisper 有多个尺寸——tiny、base、small、medium 和 large，以及较新的 large-v3 和 large-v3-turbo。准确率随尺寸上升；内存占用、处理时间和耗电量也一样。一部运行 small 的手机和一部运行 large-v3-turbo 的手机做的根本不是同一件事。
2. 在哪里运行。 Whisper 是开源的，应用既可以在你的 iPhone 上运行它，也可以调用一台运行它的服务器。两者都可以名正言顺地宣称“由 Whisper 驱动”，但只有一种会把音频留在你的设备上。

这两个事实都不会出现在 App Store 分类里，多数商店页面也不会主动交代。把它们逐一查清，正是这篇比较的目的。

“Whisper”并不能告诉你音频去了哪里

这是最常见的误读，值得直说：应用基于 Whisper 构建，并不等于它是私密的。

Whisper Memos 和 VoicePen 都宣称由 OpenAI Whisper 驱动，也都会把你的录音发送到服务器转写。这是合理的工程选择——服务器更快、兼容任何设备，还让“摘要寄到邮箱”这类功能成为可能——但它与许多人看到 Whisper 这个开源、可自托管模型的名字时的想象恰恰相反。

如果“音频留在设备上”才是你的真实需求，要找的标签不是“Whisper”，而是一句明确写着转写在本地运行的声明，最好还是你可以亲自验证的。我们的离线语音转文字指南介绍了这套数据流的原理，离线应用精选榜单则专门按这条标准排名。本文回答的是另一个问题： 不是“它离线能不能用”，而是“实际运行的到底是哪个 Whisper，以及它有多好”。

每款应用运行的是哪个 Whisper 模型？

下表所有内容均来自各应用于 2026 年 8 月 13 日的美国 App Store 页面。

有两点值得注意。Aiko 是唯一公布了具体加载哪个版本的应用，而且坦率承认 iPhone 上用的模型比 Mac 上小——它“在 iOS 上根据可用内存使用 Whisper medium 或 small 模型，在 macOS 上使用 large v3 模型”。而 LoroNote 是唯一在手机本机上运行 Large 系列版本的应用。

LoroNote 在全部国家和地区商店的全球评分为 4.7（279 条评分）；表中使用美国区数据，以便每一行使用同一个统计口径。

1. LoroNote——在手机上运行的最大 Whisper 版本

LoroNote 在 iPhone 和 iPad 上直接运行 Whisper Large V3 Turbo。Turbo 是 OpenAI 对 large-v3 做的速度优化衍生版，也是 Large 系列模型能在手机上实用的根本原因。下一节会详细拆解它带来了什么、代价是什么；我们也在为什么 LoroNote 使用 Whisper Large V3 Turbo 中讲过这个决定。

音频和文字都在本地处理，所以转写在飞行模式下也能工作，机密录音从不会到达任何转写服务器。说话人识别同样在设备上运行——你可以重命名说话人，分享文字稿时标签也会保留。见说话人分离是如何工作的。

围绕模型的是完整的工作流：同步高亮和点击跳转播放、文件夹、日历、搜索、批量查找替换，以及为人名和专业术语准备的自定义词典。采集方式覆盖应用内录音、Apple Watch 录音，以及导入 MP3、WAV、M4A、MP4 和 MOV。导出格式为 TXT 和 SRT。在受支持的设备上，Apple Intelligence 可以总结文字稿或提取行动项，而不会把内容发送到任何地方。

最适合： 在 iPhone 上获得目前能得到的最准确的端侧 Whisper 结果，支持 100 多种语言中的任何一种。

注意事项： Large 系列模型需要较新的硬件——iPhone 13 及之后机型、iPhone SE（第 3 代）或受支持的较新 iPad，系统需 iOS 18.6 或更高。没有 Mac、Windows、网页或 Android 版本。模型更大也意味着同一个文件的处理时间比 small 模型更长。

Whisper Large V3 Turbo 的实际表现

Turbo 是决定 Large 系列 Whisper 在手机上是否可用的那个版本，所以值得详细展开。以下每个数字都来自 OpenAI 自己的模型表和 large-v3-turbo 发布说明。

OpenAI 为提速改了什么

Turbo 不是从零训练的小号 Whisper，而是把 large-v3 的解码器削减后的产物：解码器从 Large 系列的 32 层减到 4 层——与 tiny 的解码器深度相同。而负责构建音频声学表示的编码器则原封不动。

这种不对称正是全部诀窍所在。Whisper 的编码器对每个 30 秒窗口只运行一次，而解码器是自回归的，每输出一个 token 就要运行一次。在长录音上，解码器占据了总耗时的大头，所以把它的深度砍到八分之一就削掉了大部分成本，同时编码器保留了让 large-v3 出色的多语言声学质量。

随后 OpenAI 对结果“用与训练 large-v3 相同数量的多语言转写数据又微调了两个 epoch”——并有意排除了翻译数据。

官方公布的速度和内存数据

有两个数字值得强调。Turbo 比 large 快约 8 倍，而参数量只有它的一半多一点（8.09 亿对 15.5 亿）。同时它的参数规模与 medium（7.69 亿）相当——也就是 Aiko 在 iPhone 上加载的那个版本——却保留了 large-v3 的编码器。这正是本文比较的核心：Turbo 的体重接近 medium，声学建模能力却是 large 级别。

发布说明在速度上还有进一步的表述：配合随附的优化补丁，“turbo 的 ASR 速度比 tiny 过去还要快”——而 tiny 是一个小 20 倍的模型。

准确率：接近 large-v2，有两个已知例外

OpenAI 自己的评估是：在各语言上，Turbo 的**“表现与 large-v2 相近”**。它没有被宣传为与 large-v3 持平，也不应该被这样描述。

文档中写明的例外，如果恰好是你的语言就很重要：Turbo“在泰语和粤语等部分语言上表现出更明显的退化”。它在 FLEURS 这类干净朗读语音数据集上的成绩也强于 Common Voice 这类更嘈杂的众包音频——这也提醒我们，公开的 WER 数字对每个模型都比真实会议录音更“美颜”。

Turbo 不做什么

• 翻译。 由于微调时排除了翻译数据，OpenAI 明确表示不期望 Turbo 在语音翻译上表现良好。它转写的是说出来的那种语言。如果你需要语音翻译成英文，large-v3 才是正确的模型，Turbo 是错误的。
• 纯英语版本。 与 tiny 到 medium 不同，Turbo 没有 .en 版本，只有多语言版。
• 在准确率上超过 large-v3。 它用一小步质量换来了约 8 倍的速度。交易就是这样。

这些数字在 iPhone 上意味着什么

有一个多数文章都跳过的前提：OpenAI 的“约 8 倍”和“约 6 GB”是 GPU 推理的参考数字，不是 iPhone 上的实测。 手机没有独立的 VRAM 池，实际上架的应用会把这些模型转换并量化后在 Core ML 和神经网络引擎上运行，内存占用和吞吐量都会随之改变。请把上表理解为版本之间的相对关系，而不是任何一款应用的规格表。

真正能迁移到手机上的，是这套取舍的形状：

• 长录音受益最大。 解码器裁剪节省的是每个生成 token 的时间，所以一场 60 分钟的讲座比一段 30 秒的备忘获益多得多。
• 移动端真正的瓶颈是内存，不是算力。 这正是 Aiko 的页面写着在 iOS 上“根据可用内存”选择 medium 或 small 的原因，也是运行 Large 系列版本的应用对设备要求更严格的原因。LoroNote 要求 iPhone 13 及之后机型、iPhone SE（第 3 代）或受支持的较新 iPad。
• 最不划算的是短片段，不是长录音。 每个文件的固定开销——模型预热和窗口切分——在一段十秒备忘上占大头，在一小时讲座里则可以忽略。吞吐量随文件长度上升，直到发热限制开始反推。
• 准确率差距出现在音频困难的地方，而不是干净的听写上——口音、多人插话、背景噪声和专业词汇。在一段安静的近距离英语录音上，小模型的输出往往让你分不出差别。

Turbo 在 iPhone 上实际要花多久

有用的指标是速度倍数：每秒处理时间能转写多少秒音频。速度倍数为 60 意味着一分钟音频一秒钟转完。它才是真正回答“我要等多久”的数字，光看参数量永远回答不了。

LoroNote 在 iPhone 15 Pro 上的实测

LoroNote 在转写时会在屏幕上实时显示当前的 Speed Factor，所以以下数字是直接从应用上读取的，而不是推算。在 iPhone 15 Pro 上用 Whisper Large V3 Turbo 转写一段 10 分 31 秒的录音：

最终稳定在大约 19×——10.5 分钟的录音约需 33 秒处理。 这些是 LoroNote 在我们自己设备上的应用内读数，不是独立基准测试；请按第一方数据的分量来看待。

按这个速度：

一句话总结：Turbo 让 iPhone 以大约 medium 的体重获得了 large-v3 的编码器和约 8 倍于完整 large 的解码速度，代价是相对 large-v3 的一小步准确率、不支持翻译，以及泰语和粤语上的已知弱点。在 iPhone 15 Pro 上，这意味着一小时的录音大约三分钟变成文字。

2. Whisper Notes——三个模型，随时切换，一次付费

Whisper Notes 是这里唯一可以切换引擎的应用：Whisper、NVIDIA 的 Parakeet 和 SenseVoice，全部在设备上运行。它的页面解释了各自的强项——SenseVoice“比 Whisper 快得多，最擅长中文、日语和韩语”，而 Parakeet 是速度选项。

它也是唯一公布真实耗时数据的商店页面：在 iPhone 15 上转写五分钟音频，“Parakeet 约 18 秒，Whisper 约 1 分钟”。这些数字出自开发者本人，但具体、可验证——已经比大多数应用给出的多。想了解这场模型之争的背景，可以看我们的 Parakeet V3 与 Whisper Large V3 对比。

一切都在本地运行——页面甚至邀请你“录音前打开飞行模式，然后一直开着”。你可以获得可重命名的说话人标签、不限录音时长、100 多种语言，并导出带时间戳和说话人标签的 SRT、VTT 或 TXT。除 iPhone 和 iPad 外还有 Mac 版，售价 6.99 美元一次买断，没有订阅或 App 内购买。

最适合： 想按录音逐个挑选引擎的多语言工作，以及任何偏好一次付清的人。

注意事项： 页面没有说明它加载的是哪个尺寸的 Whisper，并且写明这些模型“针对英语优化”。

3. Aiko——最透明，也最受限

Aiko 售价 24.00 美元，一次买断，基于 whisper.cpp——Georgi Gerganov 的 C/C++ 移植版——构建，其商店页面直接注明了这一点。没有任何内容离开设备，支持 100 种语言的音频，并可导出字幕。

它是本比较中在两个方向上都最诚实的页面。它公布了确切的模型选择——iOS 上根据可用内存为 medium 或 small，macOS 上为 large-v3——也直白写明它“把准确率放在速度之前”、不做录音时的实时转写、目前没有说话人识别，并且没有应用内文字编辑的计划。预期的工作流程是导出后到别处编辑。

它也是这里唯一在 iPhone 和 iPad 之外还能在 Mac 和 Apple Vision 上运行的应用。我们在 LoroNote 对比 Aiko 中做过更细致的分析。

最适合： 想一次购买覆盖多个 Apple 平台、转写的是已完成的录音而不是正在进行的会议的人。

注意事项： 它现在要求 iOS 26 或更高，iPhone 上得到的 Whisper 比 Mac 上小，并且没有说话人识别、实时转写和应用内编辑。

4. Whisper Memos——也是 Whisper，但在云端

Whisper Memos 把常规流程反了过来：你录音，然后文字稿加自动生成的 AI 摘要寄到你的邮箱。它提供 OpenAI Whisper 和 ElevenLabs Scribe 两种选择，页面称后者“准确率最高可达 96.7%”，并推荐用于口音和多语言语音。它覆盖 50 多种语言，可导入 MP3、M4A、WAV、AAC、FLAC 和 OGG。

它的采集功能做得确实到位——锁定屏幕小组件、可独立录音的 Apple Watch 应用、Siri、快捷指令和操作按钮。文字稿还能继续流转到 Notion、Reflect、Todoist、Things 3、Day One、Evernote、Trello、Drafts，以及通过 Zapier 连接的数千个工具。

页面上“离线录音——联网后同步”的描述正是破绽所在：录音可以离线，转写不行。 你的音频会进入服务器。如果这对你录制的内容没有问题，就把它留在候选名单上；如果有问题，就把它划掉。

最适合： “录完就忘”的语音日记和笔记采集——你希望文字稿自动落进邮箱和下游工具。

注意事项： 云端处理，Whisper 版本未说明，并且没有 Mac 应用。

同样由 Whisper 驱动，但干的是别的活

在 iOS 上搜索 Whisper 还会出现四款应用，值得点名，方便你快速判断去留：

• WhisperBoard（免费，开源）——基于 whisper.cpp 的开源 iOS 应用，可以在应用内浏览并下载任何尺寸的 Whisper 模型，一切都在本地运行。代价是开源项目的打磨程度，而不是成品软件的完成度——但它是在自己手机上试验不同 Whisper 版本的最省钱方式。
• VoicePen（免费，美国区 505 条评分 4.7 分）——“由 OpenAI Whisper 驱动”的转写和 AI 笔记，在云端运行，可摄取 YouTube、播客和 Zoom 链接，并集成 Notion、Zapier 和 Make。
• V2T: Whisper AI Transcription（免费，美国区 222 条评分 4.4 分）——少见地两者兼备：无需联网的端侧实时转写，以及订阅制的云端文件转写。
• Superwhisper（免费，美国区 810 条评分 4.4 分）——是听写应用而不是录音转写器；需要自带 API 密钥。

Superwhisper 解决的正是语音转文字的另一个问题——对着输入框说话代替打字——我们在更全面的 iOS 语音转文字比较中把它单独区分了出来。

如何选择

• 你想要手机能产出的最准确结果： LoroNote，端侧运行 Large V3 Turbo。
• 你录制中文、日语或韩语： Whisper Notes，可以为这些语言切换到 SenseVoice。
• 你需要 Mac 应用和一次付费： Aiko，接受手机上模型更小、没有说话人标签。
• 你想不打开应用就让文字稿出现在邮箱里： Whisper Memos，接受云端处理。
• 你要的是听写而不是转写： 这四款都不是——去看键盘替代类应用。

然后测试。在你的日常环境里，用你的麦克风、你的口音，加上一些人名和专业术语，录三到五分钟。检查漏词、标点、说话人切换和耗时。模型尺寸能解释应用之间的大部分差异；剩下的部分由你自己的音频解释。

常见问题

iPhone 上运行的是哪个 Whisper 模型？

取决于应用。LoroNote 在端侧运行 Whisper Large V3 Turbo。Aiko 的页面写明它在 iOS 上根据可用内存使用 Whisper medium 或 small 模型，在 macOS 上使用 large-v3 模型。Whisper Notes 和 Whisper Memos 的页面都没有说明版本。

Whisper 应用能离线工作吗？

只有当它在你的设备上运行模型时才可以。LoroNote、Whisper Notes 和 Aiko 都写明转写在本地进行，所以它们在飞行模式下能用。Whisper Memos 和 VoicePen 把音频发送到服务器，需要联网才能生成文字稿——Whisper Memos 可以离线录音、稍后同步。

在 iOS 上使用 Whisper 是免费的吗？

模型是开源的，但应用的定价各不相同。LoroNote 和 Whisper Memos 可免费下载，含 App 内购买。Whisper Notes 一次买断 6.99 美元。Aiko 一次买断 24.00 美元。在本地运行 Whisper 的应用没有按分钟计的服务器成本，这正是其中几款只收一次费用而不做订阅的原因。

iPhone 上最好的免费 Whisper 应用是哪个？

取决于“免费”需要包含什么。WhisperBoard 真正免费且开源，在本地运行 Whisper，还能自选模型尺寸——代价是社区项目的粗糙感。V2T 提供免费的端侧实时转写路径。LoroNote 可免费下载、含 App 内购买，所以你可以先用自己的音频测试 Whisper Large V3 Turbo，再决定是否付费。免费的云端 Whisper 应用也存在，但它们的服务器成本总要有人埋单——看清免费额度的上限，以及你的音频去了哪里。

Whisper Large V3 Turbo 到底快多少？

OpenAI 的参考表列出 Turbo 大约是 large（1× 基准）的 8 倍速度，参数量 8.09 亿对 15.5 亿，VRAM 约 6 GB 对约 10 GB。发布说明补充道，配合随附的优化补丁，Turbo 的 ASR 速度比 tiny 过去还要快。

这些是 GPU 参考数据。在真实的 Apple 硬件上，LoroNote 的应用内读数显示，在 iPhone 15 Pro 上转写一段十分钟的录音，速度倍数约为 19×——10.5 分钟的音频约需 33 秒处理。

在 iPhone 上转写一小时音频要多久？

在运行 Whisper Large V3 Turbo 的 iPhone 15 Pro 上，LoroNote 报告的速度约为实时的 19 倍，也就是一段 60 分钟的录音大约三分钟。这是从应用自身进度显示中读取的第一方数据，不是独立基准。其他应用公布的数字更低——按 Whisper Notes 页面的数据推算，其 Whisper 路径约为 5×。

Large V3 Turbo 和 Large V3 一样准吗？

不一样，OpenAI 也没有这样宣称。它的官方表述是，Turbo 在各语言上“表现与 large-v2 相近”，并且特别在泰语和粤语上退化更明显。Turbo 也没有针对翻译训练，因为微调时排除了翻译数据。它用一步准确率换取了约 8 倍的解码速度。

为什么 Turbo 削减的是解码器而不是编码器？

Whisper 的编码器对每个 30 秒音频窗口只运行一次，而解码器每输出一个 token 就运行一次。在长录音上解码器占据了总处理时间的大头，所以把它从 32 层减到 4 层能去掉大部分成本。保持编码器不动，正是保住 large-v3 多语言声学质量的关键。

更大的 Whisper 模型一定更好吗？

不一定。更大的版本通常更准确，尤其是在口音、背景噪声和小语种上，但同一段录音会占用更多内存、花更长时间。Turbo 的存在正是为了让 Large 系列模型快到能在手机上用。对于干净的英语音频，小模型的输出往往让你根本分不出差别。

用 Whisper 意味着我的音频会发给 OpenAI 吗？

不会。Whisper 是开源的，可以完全在你的设备上运行——LoroNote、Whisper Notes 和 Aiko 正是这样做的。应用也可以调用托管的 Whisper API，那种情况下音频确实会离开你的设备——但那是应用的架构选择，不是模型本身的属性。

哪些 Whisper 应用能识别说话人？

LoroNote 和 Whisper Notes 都提供可重命名的说话人标签。Aiko 的页面写明目前不提供说话人识别。

关于选择 iOS Whisper 应用的最后思考

“由 Whisper 驱动”已经变成了一枚徽章，而不是一份规格说明。四款应用可以同时如实佩戴它，却运行着不同尺寸的模型、在不同的硬件上，而你的音频身处完全不同的地方。

值得问的两个问题，恰恰是这个标签不回答的：哪个版本，以及在哪里运行。Aiko 在页面上把两个都答了，值得肯定。LoroNote 运行的是这几款中放到手机上的最大版本，而且在本地运行。Whisper Notes 用一杯咖啡的价格给了你三个可切换的引擎。Whisper Memos 是一款不错的产品，只是碰巧是一个顶着同一个词的云端服务。

按这两个事实来选，别按徽章。

资料来源

• App Store 中的 LoroNote
• App Store 中的 Whisper Notes
• App Store 中的 Aiko
• App Store 中的 Whisper Memos
• OpenAI Whisper Large V3 Turbo 发布说明
• OpenAI Whisper 模型表
• Georgi Gerganov 的 whisper.cpp
• GitHub 上的 WhisperBoard
• LoroNote 速度数据：在 iPhone 15 Pro 上实测，10 分 31 秒录音，端侧 Whisper Large V3 Turbo，读取自应用的转写进度显示