大家好，过去一段时间，我一直在折腾一件事：如何在 Mac 上实现真正零延迟、高准确率、且完全私密的语音听写与处理体验？ 市面上的语音工具，要么依赖云端 API （有网络延迟、按量计费、且代码/日常想法上传云端总有隐私顾虑），要么是套壳应用（内存占用巨大，快捷键响应慢半拍）。为了解决自己的痛点，我用纯原生 Swift 配合 Apple Silicon 的 MLX 框架，开发了 Cliptate 。 💡 Cliptate 的核心特性： 100% 本地端侧 AI 驱动（ Local-First ）：深度适配 M 系列芯片，基于 MLX 框架在本地运行顶尖语音模型（支持 Qwen-ASR 、Parakeet 等架构）及 Silero VAD 语音活动检测。数据绝不出本机，断网也能丝滑使用。 模型预热与毫秒级响应：针对本地模型冷启动慢的痛点，内置了智能模型预热机制。按下全局快捷键即刻开说，松开即出字，无缝注入剪贴板或当前光标位置。 不仅是听写，更是声音工作流：除了高精度的语音转文字（ ASR ），还集成了超自然的高质量本地 TTS （如 Kokoro ...