一句话总结
Apple 用 iOS 26 / macOS 26 悄无声息地替换了十年老将 SFSpeechRecognizer，新引擎 SpeechAnalyzer 在没有官方精度数据的情况下默默上线。现在首个独立基准测试来了——结果让整个语音 AI 社区安静了。
测试结果一图看懂
Inscribe 团队在 Apple M2 Pro（macOS 26.5.1）上，用 5,559 条 LibriSpeech 标准测试语料，对比了 5 个引擎的端侧表现：
| 引擎 | test-clean WER | test-other WER | 模型大小 |
|---|---|---|---|
| Apple SpeechAnalyzer | 2.12% | 4.56% | 系统内置 |
| Whisper Small | 3.74% | 7.95% | ~460MB |
| Whisper Base | 5.42% | 12.51% | ~140MB |
| Whisper Tiny | 7.88% | 17.04% | ~40MB |
| SFSpeechRecognizer（旧） | 9.02% | 16.25% | 系统内置 |
WER（Word Error Rate）越低越好。SpeechAnalyzer 在干净语音上比 Whisper Small 低 43%，在嘈杂语音上低 43%。
而且速度快了约 3 倍——一小时的音频在 M2 Pro 上只用约 1.5 分钟转录完成。
为什么这件事很重要？
1. 从 SFSpeechRecognizer 迁移：零代价的性能飞跃
旧 API 的词错率是 9.02%，新 API 是 2.12%。同样的音频，“一小时的会议用旧引擎转写有约 4 倍的错误词数”。这个差距不是可忽略的——是产品级的。
Inscribe 自己说得很直白：“如果你的 App 还在用 SFSpeechRecognizer 处理任何比语音指令更长的内容，仅精度一项就值得迁移。“
2. Whisper 不再是端侧默认选项
这是一个信号级的变化。过去两年，“端侧语音识别 = Whisper” 是惯性思维。但这次测试表明，在 Apple 硬件上，系统内置引擎在英语识别上已经超越了 Whisper Small。
Whisper 仍有两大不可替代的优势：
- 多语言：支持远超 SpeechAnalyzer 的语言（后者约 30 种 locale）
- 跨平台：不限于 Apple 生态
但对于 iOS / macOS 开发者来说，以前”为了精度选 Whisper”的逻辑不再成立。
3. 基准测试可复现——这事关公信力
Inscribe 团队做了件值得称赞的事：他们用 LibriSpeech 测试集，把 Whisper 三项测试结果与 OpenAI 自己公布的 WER 做了校对，偏差在 0.11%-0.42% 之间。
| 引擎/数据集 | Inscribe 实测 | OpenAI 公布 | 偏差 |
|---|---|---|---|
| Tiny, test-clean | 7.88% | 7.6% | +0.28 |
| Base, test-clean | 5.42% | 5.0% | +0.42 |
| Small, test-clean | 3.74% | 3.4% | +0.34 |
“一个由卖引擎的公司发布的基准测试值得怀疑。“他们自己也承认这一点，所以选择让数据自证。
技术背景：SpeechAnalyzer 是什么？
iOS 26 和 macOS 26 中，Apple 推出了 SpeechAnalyzer 和 SpeechTranscriber 两个新 API，替代了多年的 SFSpeechRecognizer。Apple 没有发布任何精度数据，开发者一直在猜要不要迁移。
SpeechAnalyzer 的核心特性：
- 完全端侧运行，无需联网
- 自动加标点和大小写（旧 API 的输出很粗糙）
- 约 30 种 locale 支持
- 系统级优化：利用 Apple Neural Engine 加速
开发者应该怎么做？
立即行动
如果你有 iOS/macOS App 在用 SFSpeechRecognizer，迁移是低风险的——新 API 在精度上全面优于旧 API，没有需要权衡的取舍。
考虑混合策略
Inscribe 自己的做法值得借鉴：自动引擎在支持的语言上走 SpeechAnalyzer，其余语言走 Whisper。两者可以共存。
保留 Whisper 以备不时之需
如果你的 App 需要：
- 非英语语言的高精度识别
- Android / Windows / Web 平台支持
- 自定义微调模型
Whisper 依然是正确的选择。
局限与待观察
- 仅测了英语：SpeechAnalyzer 在多语言上的表现仍是未知数
- 仅测了 M2 Pro：在 iPhone 上的表现可能不同，特别是功耗和实时性
- 速度数据尚未完善：测试机器有开发负载，精确计时待更新
- Apple 生态锁定：SpeechAnalyzer 不跨平台，这对混合技术栈的团队是个架构决策
总结
- SpeechAnalyzer 在英语端侧识别上成为新标杆，WER 2.12% 碾压所有 Whisper 型号
- 从 SFSpeechRecognizer 迁移是确定的赢面，精度提升 4 倍
- Whisper 仍有多语言和跨平台优势，不会被完全替代
- 这是端侧 AI 能力的又一个里程碑——系统内置模型开始在特定任务上超越专门部署的第三方模型
Apple 没有为这个新 API 开一场发布会，但数据的说服力比任何 Keynote 都强。
数据来源：Inscribe 团队《Apple’s New Speech API vs Whisper: The First Real Benchmark》(2026.07.13)，基于 LibriSpeech test-clean/test-other 共 5,559 条语料，M2 Pro 32GB macOS 26.5.1。
