OpenWhispr：开源免费的 WisprFlow / Granol…

一、把 WisprFlow 和 Granola 的位置腾出来

仓库 README 在正中间那句话没有绕弯子：它是 WisprFlow 和 Granola 的开源且免费的替代品（The open-source and free alternative to WisprFlow and Granola）。这两个名字界定了它的野心边界——前者是语音输入法，后者是会议记录工具，OpenWhispr 想一次占住两个位置。

再往下读一段，README 把工作方式讲得很直白：按下热键、说话、文字出现在光标处。而真正的分岔口在下一句——你可以选择完全私密的离线转写，用 Whisper 或 NVIDIA Parakeet 这类本地语音识别引擎，此时你的音频永远不会离开设备；也可以选择云端处理换取速度。随后是三个短句的承诺：不收集数据、无遥测、完全开源。

值得注意的是它给出的定位不是「语音输入法」，而是「把你的声音变成文字、笔记与动作」（turns your voice into text, notes, and actions）。多出来的「笔记」与「动作」两项，正是它和 WisprFlow 拉开距离的地方：转写只是入口，后面还挂着 AI 助理、会议记录与笔记库。

二、下载矩阵：四个平台，五种产物

README 的 Download 一节是一张四行表格，每行只写一个产物后缀，但对 Linux 格外慷慨。

• macOS（Apple Silicon）：.dmg
• macOS（Intel）*：.dmg，带一个星号脚注
• Windows：.exe
• Linux：.AppImage / .deb / .rpm / .tar.gz 四种并行提供

Linux 一口气给四种打包格式，在同类桌面应用里并不多见，基本覆盖了滚动发行版、Debian 系、RPM 系与纯解压即用的全部诉求。所有产物都指向同一个地址：Releases 的 latest 页。

那颗星号后面藏着一段很有信息量的说明，我在第六节单独展开——它牵出了整个项目里唯一一处「平台能力不一致」。仓库的诚实之处在于，这个限制被放在下载表格正下方，而不是埋在文档深处。

三、十二条功能清单，逐条拆

Features 一节列了十二条，每条前面都是加粗的能力名 + 破折号后的具体行为。我按它们解决的其实是四件不同的事，分成四组来读。

（一）听写，以及会翻译的听写

第一条是 Voice dictation：全局热键，向任意应用听写，并自动粘贴。注意「自动粘贴」这个动作——它意味着工具不只是把文字放进剪贴板，而是识别当前光标所在的可写位置并直接填入。

第二条 Dictation translation 是第一条的变体：一个独立的专用热键，用一种语言说，粘贴出来是另一种语言。两个热键分开，说明翻译被当作一等公民而不是听写后的二次加工。

（二）AI 助理热键：没有唤醒词

AI agent 那条列出了一长串可对接对象：GPT-5、Claude、Gemini、Groq、Tinfoil、OpenRouter，以及本地模型，并且是以「具名的语音助理」形式存在。

更值得细看的是 Voice Assistant hotkey 这一条，README 给的细节最多：专用热键把你说的东西直接当作命令发给 AI 助理，既不需要唤醒词，也不做一遍「清理润色」的中间处理（no cleanup pass）；选中的文字会被就地编辑。开着自动粘贴时，回答会粘贴到获得焦点的文本光标处，或者在无法找到可写光标时流式输出到浮动面板并复制到剪贴板。还有一个可选项：把当前屏幕截图一并作为上下文发送。

（三）会议转写与本地说话人分离

Meeting transcription 这一条的关键词是「自动检测」：自动识别 Zoom、Teams、FaceTime 通话，配合实时说话人分离（live speaker diarization）、声纹识别，以及 Google、Microsoft、Apple 三家日历的集成。

紧跟着的 Local speaker diarization 是它的底气所在：设备端完成说话人标注，跨会议复用声纹识别结果，不需要云端。这两条是并列列出的，说明「会议转写」这个能力可以被拆开用——你完全可以只要本地那部分。

（四）Notes、团队空间与音频导入

Notes 一条里塞了四个子能力：创建、整理、搜索，以及文件夹、语义搜索、云同步与 AI 动作。Team spaces & sharing 对登录用户免费：笔记可以用链接、域名或仅邀请三种可见度分享到网页上，团队空间里还有角色、邀请与服务端强制的成员身份校验。

Audio import 把既有素材也纳入进来：拖入文件、批量上传，或者直接粘贴 YouTube / 音频链接，可选说话人检测。这让它的适用范围从「正在说的话」扩展到了「已经录下的东西」。

剩下两条是横向能力。Local or cloud — your choice 明确点名四项核心能力（转写、AI 推理、说话人分离、语义搜索）都可以在本地模型或云端供应商之间二选一，并且本地 Whisper 支持 Metal、CUDA、Vulkan（AMD / Intel） 的 GPU 加速。Enterprise controls 则面向组织：统一执行策略、公司 SSO 与 SCIM、集中管理 Amazon Bedrock 或 Azure OpenAI 接入而无需下发云端密钥。最后 Public API & MCP 一条把笔记与转写开放成可编程接口，也提供 MCP server 让你的 AI 助理反过来连进来。

四、本地优先是怎么落地的

项目的技术栈在 README 里是一行清单：React 19, TypeScript, Tailwind CSS v4, Electron 41, better-sqlite3, whisper.cpp, sherpa-onnx, shadcn/ui。

这里面有两个名字决定了「本地优先」这句话能不能兑现。whisper.cpp 是 ggerganov 的高性能 C++ 实现，负责本地 Whisper 推理；sherpa-onnx 是跨平台的 ONNX 运行时，专门用来跑 NVIDIA Parakeet——README 的致谢部分给出了具体模型标识 parakeet-tdt-0.6b-v3，一个支持多语种的快速 ASR 模型，权重托管在 Hugging Face。剩下的 llama.cpp 负责本地 LLM 推理（AI 文本处理），better-sqlite3 承担本地结构化存储。

把这条链路摊开看：麦克风 → whisper.cpp 或 sherpa-onnx 出文本 → 可选 llama.cpp 做本地文本加工 → better-sqlite3 落库 → Electron 界面呈现。除了模型权重需要从 Hugging Face 拉取一次，整条链路上没有一个环节必须联网。这就是为什么 README 敢写「音频永不离开设备」。

仓库里还有一个 Custom ASR shim 示例，用于对接非 OpenAI 兼容的 ASR API 做自托管转写——这条是给想换掉默认引擎的人准备的口子。

五、从源码跑起来

Quick start 只有四条命令，但后面那句要求不能漏：需要 Node.js 24+。

git clone https://github.com/OpenWhispr/openwhispr.git
cd openwhispr
npm install
npm run dev

Node 24 这个下限在 Electron 41 的语境下是合理的，但确实会拦住一批还停在 20.x 的开发者。完整文档站 docs.openwhispr.com 分了五块：快速开始、平台指南（macOS / Windows / Linux）、API 参考、MCP server 设置与故障排查。想贡献代码的话，README 的 Contributing 一节说得很常规：fork、开特性分支、提 PR，细节见 contributing 指南。

从仓库元数据看，这个项目 2025 年 6 月 19 日创建，主语言是 JavaScript，当前 7,865 Stars、962 Forks、333 个开放 Issue。开放 Issue 数量偏高，说明它正处在一个功能快速扩张、问题也同步堆积的阶段——其中相当大的一部分大概率来自「五变体」式的功能组合矩阵。

六、Intel Mac 上缺失的那三件事

回到下载表格那颗星号。README 的原文是：在 Intel Mac 上，实时说话人识别与声纹识别不可用，因为它们依赖 ONNX Runtime，而后者自 1.24 版本起停止发布 macOS x86_64 二进制。

这句话的连锁反应有三层，README 也一并交代了：

• 实时说话人识别：不可用
• 声纹识别：不可用
• 笔记搜索：从语义搜索回退到关键词匹配

但会议本身照常录制与转写（Meetings still record and transcribe normally）。也就是说 Intel Mac 用户丢的是「谁在说」和「语义检索」，核心的「说了什么」仍然完整。这是一个由上游依赖的架构决策传导下来的限制，不是 OpenWhispr 自己的取舍——把原因和后果都写在下载按钮旁边，比让用户装完再发现要体面得多。

七、MIT、赞助与致谢清单

License 一节只有一行：MIT —— 免费用于个人与商业用途（free for personal and commercial use）。商业友好的许可证配上「无遥测、不收集数据」，是它能被放到企业环境里的前提。

Sponsors 一节点名了 Neon，README 的表述是「Neon 是为 OpenWhispr Cloud 提供支持的 serverless Postgres 平台」。这解释了为什么笔记能跨设备云同步——云端部分的数据落在 Neon 上，而本地部分完全不依赖它。

Acknowledgments 是一份十条的清单，读下来基本就是这张技术地图：OpenAI Whisper（识别模型）、whisper.cpp（本地高性能实现）、NVIDIA Parakeet（多语种快速 ASR）、sherpa-onnx（ONNX 推理）、Hugging Face（权重托管）、llama.cpp（本地 LLM 推理）、Electron（跨平台桌面框架）、React（UI）、shadcn/ui（基于 Radix 的无障碍组件）、Neon（云端 Postgres）。

八、写在最后

OpenWhispr 真正值得留意的地方，不在于它又做了一个语音输入工具，而在于它把「隐私优先」写成了可切换的架构而不是一句口号：转写、AI 推理、说话人分离、语义搜索四项能力，每一项都同时提供本地与云端两套实现，用户按场景选。这种设计比「我们很重视隐私」的宣传成本高得多——你要同时维护 whisper.cpp 与 sherpa-onnx 两条推理链路，还要接受在 Intel Mac 上因为上游 ONNX Runtime 停供而少掉两个功能。

它也没有回避商业化：Notes 云同步、团队空间、企业 SSO / SCIM 与集中式密钥管理，都指向一个开源核心加云端增量的结构。对一个 MIT 许可、7,865 Stars 的项目来说，这是一条相当清晰的路。

在撰写本文的过程中，我主要参考了以下来源：GitHub 仓库 OpenWhispr/openwhispr 的 README（Download / Features / Quick start / Tech stack / License / Acknowledgments 各节）、项目官网 openwhispr.com 与文档站 docs.openwhispr.com，以及仓库 meta 数据。文中数值以官方公开信息为准，可能随版本更新而变化。