/* MD / 富文本中的 .toc（含博客园搬家等嵌套结构）；.toc-box 在侧栏，不受影响 */
#content_views .toc,
/* 编辑器常在目录前后插入空 p（:empty 仍占 20px），一并去掉避免顶空隙 */
#content_views.markdown_views > p:empty:has(+ .toc),
#content_views.markdown_views > .toc + p:empty,
/* 富文本旧版目录标记 */
#content_views.htmledit_views #main-toc,
#content_views.htmledit_views #hr-toc,
#content_views.htmledit_views p[id*=\”-toc\”] {
display: none !important;
}
/* 目录去掉后，紧跟的首个标题不再多出一块上边距 */
#content_views.markdown_views > .toc + h1,
#content_views.markdown_views > .toc + h2,
#content_views.markdown_views > .toc + h3,
#content_views.markdown_views > .toc + h4,
#content_views.markdown_views > .toc + p:empty + h1,
#content_views.markdown_views > .toc + p:empty + h2,
#content_views.markdown_views > .toc + p:empty + h3,
#content_views.markdown_views > .toc + p:empty + h4 {
margin-top: 0 !important;
}
点开 FluidVoice 的仓库，最让我意外的是它的定位。它不是又一个把音频丢到云端转文字的 App，而是把"本地优先"写在最前面——语音、音频、转录文字默认都不出 Mac，除非你主动去接 OpenAI 或 Groq 这类云服务。对每天要听写大量内容的 Mac 用户来说，这正好同时踩中两个点：隐私，还有对第三方云服务的依赖。
它本身解决的事很具体：在 macOS 上做语音转文字听写。装起来只有一条命令，brew install –cask fluidvoice。装完授权麦克风和辅助功能，设一个全局热键，就能在任何 App 里说话、让文字直接落进光标。它还有个 Write Mode，选中一段文字后直接语音重写，不用来回切换。
它跟同类工具最大的差异，是把"选哪个语音模型"这件事完全交给你。 从零下载的 Apple 系统语音，到 NVIDIA 的 Nemotron Speech 3.5、Parakeet，再到 Cohere Transcribe 和 Whisper，一共五套模型，按语言和延迟需求随便挑。想快就上 Parakeet Flash，想多语言高精度就用 Nemotron 或 Whisper，后者覆盖 99 种语言。这里要分清一个事：Whisper（openai/whisper，107,234 Star，MIT）是模型，不是成品应用，你得自己搭环境；FluidVoice 是把多个现成模型打包进了一个开箱即用的桌面程序。
这套模型选择背后是有讲究的。Nemotron Speech 3.5 主打流式多语言，约 40 种语言，下载约 670MB。Parakeet Flash 是英语专用的最低延迟方案，约 250MB。Cohere Transcribe 覆盖 14 种语言、包括普通话，但体积要 1.4GB。每个模型都标了下载大小和硬件要求，用户在装之前就能算清磁盘账，也方便在"轻量听写"和"高精度多语言"之间自己选。
对中文用户来说，多语言支持是个实用点。Cohere Transcribe 明确覆盖普通话，Whisper 支持 99 种语言，Nemotron 3.5 也能跑约 40 种语言。中英混说、或者偶尔要听写日语、韩语，换个模型就能解决，不用再装第二个 App。
功能上比想象中完整。除了听写，它有个 Command Mode，能用语音启动 App、跑快捷指令、触发系统动作，等于给 Mac 加了一层语音遥控。Live Preview 是实时转录浮层，还专门适配了 MacBook 的刘海屏。可选的本机录音历史、每日用量统计、按 App 分配不同提示词，属于锦上添花，核心的听写体验开箱即用。
几个细节也做得认真。Audio History 可以在本地保存录音，带预算控制、能导出 ZIP，方便回看。Per-App Configuration 能给不同 App 分配不同提示词，给邮件写正式一点的、给聊天写随意一点的。Smart Typing 走辅助功能 API 把文字塞进任何 App，不依赖特定应用的接口。
版本 1.6.0 的更新日志里还有个信号：作者说重写了 Parakeet 实现，几乎做到"说出口的同时文字就上屏"的零延迟。onboarding 也重做了，先选语言、再选语音引擎、最后配 AI 增强，一条线走完。对第一次装的人来说，这个流程比大多数开源工具友好。
对比竞品更有意思。它自己在 README 里就写了定位——“Wispr Flow 的本地替代”。Wispr Flow 是商业闭源产品，没有开源仓库，走云端；FluidVoice 用 GPL-3.0 开源，核心听写功能免费，数据留在本机。所以它更像一个"本地优先的听写壳"，把开源 STT 模型做成了体验完整的 Mac 应用。除了 Wispr Flow，市面上还有 MacWhisper、Superwhisper 这类商业听写工具，但能同时做到"开源、多模型、本地增强"的，这方面 FluidVoice 算是做得比较全的。
从更大的背景看，它现在上热榜不是偶然。语音是今年 AI 应用最热的方向之一，但落到"每天用的听写工具"这个层面，开源选择一直很少——要么是 whisper 这类要自己搭环境的模型，要么是 Wispr Flow、MacWhisper 这类闭源收费 App。FluidVoice 卡在中间：开源、免费、开箱即用，还带本地增强。
真正让我意外的是 Fluid Intelligence 这一层。这是它宣传的"端侧 AI 增强"——智能排版、上下文大小写、后处理，全在本地跑，号称零数据外泄。但 README 里也写得明明白白：这个增强层是私有维护的运行时，不开源。作者说暂时保留它以维持免费的核心听写体验，未来可能开放。换句话说，你装到的"完整版"里，最亮眼的那部分其实是个黑盒。
这个权衡很现实：作者靠私有运行时维持免费，用户靠它拿到本地增强，代价是这层不是白盒。对安全敏感的人来说，一个"本地运行但代码不公开"的组件，和云服务一样需要信任，只不过信任边界从网络换成了二进制。
隐私这块它交代得比较细。官方强调本地优先，语音、文本默认不出机器。匿名分析默认开启，但收集的只是 App 版本、macOS 版本、功能开关这类低粒度信息，明确不碰语音、转录文本、选中的文字、终端命令和文件路径，也能在设置里一键关掉。
不过该项目也有一些要注意的点：
第一，只有 macOS 能用，要求 macOS 15.0（Sequoia）以上，iOS 和 Windows 还在 waitlist，Linux 也没落地。
第二，硬件有门槛，Apple Silicon 才能跑全部模型，Intel Mac 只能走 Whisper。
第三，磁盘占用不小，一个语音模型约 1GB，可选的 Fluid Intelligence 模型约 3.5GB。第四，协议从 2026 年 2 月 23 日起换成 GPL-3.0，之前是 Apache-2.0，做闭源集成要留意。
代码部分很简单，安装就一行：
brew install –cask fluidvoice
想从源码构建，git clone 之后 open Fluid.xcodeproj，依赖交给 Swift Package Manager。签名的 Debug 构建用 ./build.sh，没有签名身份就用 ./build.sh unsigned。整个项目是 Swift 写的原生 Mac 应用，不是套壳 Electron。
那谁适合用？如果你是一台 Apple Silicon Mac、每天要写不少文字、又不想把内容发给任何云服务，FluidVoice 值得试。尤其是它的 Command Mode，能用语音启动 App、跑快捷指令、自动化工作流，这是普通听写工具给不了的。反过来，如果你不是 macOS 用户，或者你要的是"连增强层都是白盒"的完全开源方案，它现在给不了——那个私有运行时是个绕不过去的坎。
项目地址：https://github.com/altic-dev/FluidVoice
竞品参考：https://github.com/openai/whisper
