語音輸入不上雲端也能即時混打中英法：Voilà Pro 的離線更新，卡位的是隱私這一題

2026年10月31日，獨立開發者 qfdk 在 V2EX 發文，宣布 Voilà Pro 支援離線即時輸入。距離他上一輪發帖已過半年，這次更新的重點只有一個：把原本依賴網路模型的混合輸入，整個搬到本機跑。

這項改變聽起來技術味很重，但它影響的是很日常的事。對一個習慣用語音輸入的上班族來說，過去的選擇大致是兩條路：要嘛用系統內建的聽寫，快但辨識品質有限；要嘛用雲端服務，準但要接受語音先送到別人伺服器處理。Voilà Pro 這次想證明的是，第三條路存在。

蘋果原生方案不夠用，開發者繞去開源模型

開發者在文中交代了一個多數使用者不會注意的技術細節。離線模型若直接使用蘋果內建的轉錄（transcription）功能，效率低，準確度也不理想。換句話說，蘋果自己提供的路走不通，他才轉向市面上主流的開源語音模型，文中點名了 Whisper 與 Qwen（千問）兩個。

這裡有個值得分清楚的層次。語音工具其實分兩種：一種是「錄完再轉字」，一種是「邊說邊出字」。開發者觀察到，市面上大多數離線方案仍停留在轉錄層面，也就是說完一段、等系統慢慢處理。Voilà Pro 這次強調的是即時輸入，加上混合語言，中文、英文、法語可以在同一句話裡交替出現，系統照樣辨識。

打個比方，這就像即時口譯和事後聽打稿的差別。會議結束才拿到逐字稿，很多使用場景已經過期了；能邊講邊出字，語音輸入才真正能取代打字。

開發者提到，半年來收到不少使用者來信，一直沒做的兩件事是離線輸入與快捷鍵。而離線需求的理由很具體：很多使用者不想讓資料被雲端處理，另外雲端方案對中國大陸使用者也不友善。

這是獨立開發產品常見的路徑。功能清單不是產品經理排優先級排出來的，是從一封封使用者來信裡長出來的。隱私需求尤其如此，對律師、醫師、記者這類處理敏感內容的職業，語音先出本機再考慮其他功能，順序是反不過來的。

不過離線不是免費的午餐。開發者開出了硬體門檻：只支援 Apple Silicon 系列晶片，而且跑離線模型建議 16GB 記憶體以上的機型。本地模型要喫運算資源，這個門檻會直接劃掉一批舊機器使用者，是這類方案普遍的代價。

開發者也披露了新版介面的來歷。Voilà Pro 最初是他用 Swift「古法編程」一步步寫出來的，這次新版 UI 則是借助他稱為「天才程序員」的工具加上 Voilà 本身協作完成。等於這個語音工具的新介面，有一部分是用它所屬的 AI 協作生態做出來的，算是獨立開發工作流變化的一個縮影。

商業面還有個對老使用者友善的設計：先前發出的早鳥授權在新版持續有效，因為啟用本身就是離線的。這細節呼應了整個產品的邏輯，連授權驗證都不需要連回伺服器，與「資料不出本機」的主張一致。

收費方面，開發者在討論串回覆了國外收款問題，選用的是 Lemon Squeezy，月結一次，透過 PayPal 或歐洲 SEPA 轉帳出款。對想接海外使用者的個人開發者來說，這段經驗談比產品本身更少見。

把這則更新放遠一點看，它反映的趨勢是本地模型能力追上日常需求的速度。兩三年前，中英混合的即時語音辨識幾乎只能是雲端大廠的專利；現在一位獨立開發者包裝開源模型，就能在 16GB 記憶體的 Mac 上做到類似體驗。

對讀者實際的判斷是這樣：如果你日常語音輸入的內容涉及他人隱私、商業機密或受法規規範的資料，本地方案的出現讓「方便」與「不出本機」不再必然二選一。代價則是硬體門檻與模型能力的上限，離線方案能不能處理專業術語、吵雜環境，仍要看實際表現。

產品資訊在 voilapro.app，有興趣的讀者可以自行驗證。半年一次的更新節奏，加上使用者來信驅動的功能排序，這種小而慢的產品路徑，恰恰是離隱私最近的那條。