开发者开源 Cliptate：用 Swift + MLX 打造 macOS 原生离线语音输入工具

开发者在 V2EX 分享了一款基于 Swift 与 MLX 框架构建的 macOS 原生离线语音输入与语音工作流工具 Cliptate，并已在 GitHub 开源。作者指出，市面语音工具普遍依赖云端 API，存在网络延迟、按量计费与隐私泄露顾虑，而套壳应用则内存占用高、快捷键响应迟缓。针对这些痛点，Cliptate 采用纯本地端侧 AI 方案：深度适配 Apple M 系列芯片，基于 MLX 框架在本地运行 Qwen-ASR、Parakeet 等语音识别模型，并集成 Silero VAD 语音活动检测，数据不出本机，断网也能正常使用。针对本地模型冷启动慢的问题，工具内置智能模型预热机制，用户按下全局快捷键即可开口说话，松开后文字即时生成，无缝注入剪贴板或当前光标位置。除语音转文字外，Cliptate 还集成了基于 Kokoro 引擎的本地 TTS 语音合成，提供文本朗读与音频处理能力，构成完整的语音工作流。整个应用以纯 Swift 构建，轻量驻留状态栏，资源占用低，交互遵循 macOS 原生习惯。项目已开放 GitHub 仓库与官方网站，作者表示将持续迭代，欢迎用户通过 Issue 反馈问题与功能建议。

事件分析

核心观点：端侧算力已能承载语音模型全链路运行，云端 API 的延迟与隐私短板正被本地化方案瓦解。