文档语音转录
选择转录模型
从隐私安全、配置难度、多语言/方言覆盖与网络依赖等多维度对比本地端侧与云端转录引擎。
打开 设置 → 语音，可以自由挑选并实测用于新会议录制的语音转录模型。最适合的引擎取决于你的 macOS 系统版本、会议语言偏好、隐私合规级别以及设备是否处于离线环境。
引擎横向速览
| 转录模型 | 运行位置 | 配置要求 | 最适用场景 |
|---|---|---|---|
| Apple Speech | Mac 本地系统引擎 | 仅需授权“语音识别”权限；依赖系统已下载的语言资源包 | 兼容 Mac 上的零开销轻量端侧转录 |
| Qwen3-ASR 0.6B | Mac 本地独立运行 | 在 Kapinote 内一键下载模型权重（约 1.2 GB） | 100% 离线使用、复杂多语言及 22 种中文方言对话 |
| Soniox Realtime | Soniox 云端 | 填入 API Key | 跨国团队实时多语言交流与高频中英混杂会话 |
| Deepgram Nova | Deepgram 云端 | 填入 API Key | 需要极低延迟、精准说话人区分（Diarization）与自定义关键词 |
| AssemblyAI Streaming | AssemblyAI 云端 | 填入 API Key | 依赖自动语种识别的欧美主流语言会议 |
| ElevenLabs Scribe | ElevenLabs 云端 | 填入 API Key | 追求极高转录准确率与丰富云端多语种覆盖 |
云端服务商的功能支持与配额政策可能动态更新。Kapinote 界面仅呈现当前版本已深度集成的配置项；计费标准、地区限制与模型版本周期请参阅各服务商官方文档。
本地端侧模型（隐私优先）
本地端侧转录绝不向任何外部 API 发送会议音频，所有模型权重下载就绪后即可在无网络环境下顺畅工作。与此同时，它会占用部分 Mac 的 CPU、GPU、统一内存与存储空间。建议先运行内置测试，验证当前硬件规格下的实时转录流畅度与准确率。
- Apple Speech： 最轻量省电，无额外磁盘占用，适合系统版本支持的标准普通话或英语交流。
- Qwen3-ASR： 由阿里开源的业界顶尖 ASR 模型，官方原生支持 30 种全球语言与 22 种中文方言及地方口音。详见 Qwen3-ASR 语言与方言列表。
云端转录服务（性能与拓展）
云端转录将音频流实时传输至你自主配置的服务商。这种方式几乎不消耗本机计算资源，并通常提供更强大的断句与说话人识别能力，但需要稳定的网络连接、有效的 API Key 以及可用余额。详见 云端转录服务配置。
选型决策检查清单
- 涉密或保密协议（NDA）会议： 优先选用本地模型（Apple Speech / Qwen3-ASR），确保原始音频不出设备。
- 中英夹杂或方言环境： 推荐使用 Qwen3-ASR（本地）或 Soniox（云端）。
- 行业术语与特殊人名： 配置 自定义词汇 消除生僻词识别偏差。
- 出差或飞行途中： 提前在有网络时完成 Qwen3-ASR 权重下载并做一次试录。
提示： 更改转录模型仅对后续发起的新录制生效，已完成的历史会议记录不会自动重新转录。