Apple Silicon 本地语音转文字

基于 Apple MLX 的本地语音识别工具，无需 API 密钥，在 Apple Silicon Mac 上实现隐私安全的离线音频转录。

基本信息

• 技能名称?mlx-stt
• 中文名称?Apple Silicon 本地语音转文字
• 作者?guoqiao
• 分类?专业技能
• 版本?v1.0.7
• 标签?content-media, productivity, automation

使用方法

使用说明
核心用法
MLX STT 是一款专为 Apple Silicon Mac 设计的本地语音识别工具。用户通过简单的命令行调用 bash mlx-stt.sh 即可将音频文件转换为文本。工具基于 Apple 的 MLX 深度学习框架，默认采用 GLM-ASR-Nano-2512 开源模型，首次运行时会自动从 Hugging Face 的 mlx-community 下载模型文件。安装脚本会自动通过 Homebrew 安装 ffmpeg、uv 等依赖，确保环境就绪。
显著优点
最大的优点是 隐私安全 。所有音频处理均在本地完成，无需上传至云端服务器，也不需要注册 API 密钥，彻底避免了数据泄露风险。其次是 成本优势 ，完全免费使用开源模型，没有按量计费或订阅费用。技术层面，依托 Apple Silicon 的神经网络引擎，推理效率高且能耗低。此外，工具支持多种音频格式（通过 ffmpeg 自动转换），使用门槛极低，适合非技术用户。
潜在缺点与局限性
平台限制是首要局限， 仅支持配备 Apple Silicon 的 macOS 设备 ，Intel Mac 和 Windows/Linux 用户无法使用。其次是 首次启动成本 ，初次使用需下载约数百 MB 的模型文件，在网络不佳环境下体验较差。功能上目前仅为离线批处理工具，不支持实时语音识别流式传输。此外，输入验证机制较为简单，缺乏对恶意构造路径的严格检查。
适合的目标群体
特别适合 对隐私极度敏感的用户 ，如律师、医生、记者等需要处理机密音频资料的专业人士。同时适合 追求成本效益的创作者 ，如播客制作人、视频字幕工作者，需要批量处理音频转录且不希望支付 API 费用。也是 离线环境工作者 的理想选择，如在无网络或网络受限环境下需要语音转文字的用户。
使用风险
主要风险集中在 输入验证不足 ，若提供恶意构造的文件路径（如包含 ../ 的路径遍历），可能导致未授权文件访问。 依赖管理方面 ，安装脚本使用 --force 和 --prerelease=allow 标志，可能引入未经充分测试的依赖版本。 文件操作风险 在于 rm -rf 删除临时目录时，若环境变量异常可能导致意外删除重要文件（尽管脚本使用了 set -u 提供部分保护）。此外，作为社区个人维护项目（T3 来源），长期维护稳定性和安全更新频率存在不确定性。