近日，一个名为“Qwen Scribe”的开源项目在 Hacker News 上引发广泛关注。该项目由开发者基于阿里通义千问（Qwen）大模型构建，专为 Apple Silicon（M系列芯片）Mac 提供本地语音转录与听写功能。其最大的亮点在于：所有数据处理均在设备端完成，无需联网，用户隐私得到充分保障。这一特性恰好切中了当前 AI 应用场景中用户对数据安全与低延迟的核心诉求。
本地化运行：隐私与性能兼得
Qwen Scribe 并非简单的云端 API 包装，而是利用 Apple Silicon 内置的神经网络引擎和统一内存架构，在本地高效运行经过优化的 Qwen 模型。开发者透露，项目核心采用了通义千问的 Audio 系列模型（如 Qwen-Audio），通过量化、剪枝和 Core ML 转换，使其能够在 8GB 内存的 M1 Mac 上流畅完成实时语音识别和听写任务。
与 OpenAI 的 Whisper 等主流方案相比，Qwen Scribe 的独特竞争力在于原生适配 Apple Silicon。Whisper 虽然也能本地运行，但通常需要借助 PyTorch 等通用框架，对 Apple Silicon 的专用硬件（如 AMX 协处理器）利用不够充分。Qwen Scribe 则通过 Metal Performance Shaders 和 Core ML 深度优化，在同等模型大小下，推理速度提升约 30%-50%，同时功耗显著降低，不会导致笔记本风扇狂转。
功能一览：从转录到交互
根据项目主页介绍，Qwen Scribe 目前提供以下核心能力：
- 实时语音转录：支持麦克风输入或音频文件直接导入，自动生成带时间戳的文本，准确率在中文环境下达到 96% 以上（基于公开测试集）。
- 智能听写：用户说话时即可实时转换为文字，支持标点符号、段落分隔等自然语言处理，延迟低于 500 毫秒。
- 多语言支持：除中文外，还覆盖英语、日语、法语等 20 余种语言，且针对中文方言（如粤语、四川话）进行了专项优化。
- 声纹识别（实验性）：可区分不同说话人，自动标注对话角色，适用于会议记录场景。
此外，Qwen Scribe 还提供 macOS 菜单栏快捷入口，用户可一键启动听写模式，配合系统全局快捷键，实现类似“语音输入法”的无缝体验。所有转录结果均可直接导出为 TXT、Markdown 或 SRT 字幕格式。
开源生态与社区反响
该项目在 GitHub 上以 MIT 许可证开源，目前已获得超过 2.1k 星标。社区讨论主要集中在几个方面：一是对本地隐私保护的认可——许多用户表示“终于有一款不用把音频上传到云端的转录工具了”；二是对 Apple Silicon 性能的赞赏——有 M2 Max 用户实测，转录一段 30 分钟的讲座，耗时仅 2 分钟，且 CPU 占用率不足 10%；三是对未来功能的期待，包括实时翻译、自定义模型微调等。
不过，也有技术爱好者指出，Qwen Scribe 目前仅支持 Apple Silicon（M1 及后续芯片），Intel Mac 用户暂时无法使用。开发者表示，未来可能考虑通过 ONNX Runtime 提供跨平台支持，但短期内仍将聚焦 Apple Silicon 的极致性能优化。
背景：本地 AI 的突围之路
Qwen Scribe 的诞生并非偶然。随着大模型能力不断增强，云端 API 的调用成本与延迟问题日益凸显。尤其是语音数据涉及高度隐私，许多用户和企业宁愿牺牲部分功能，也不愿将录音上传至第三方服务器。苹果本身虽提供系统级听写功能，但仅支持有限语言，且扩展性不足；第三方工具如 Otter.ai 则需要订阅付费。Qwen Scribe 以开源免费、本地运行、高度可定制的姿态切入，恰好填补了这一空白。
从技术层面看，该项目也验证了“小模型+专用硬件”的可行性。Qwen-Audio 参数量约 1.8B，经过量化后仅需 700MB 内存，却能在苹果 M 系列芯片上达到接近云端大规模模型的准确率。这为其他开发者提供了重要参考：在端侧 AI 应用中，模型大小与硬件适配往往比盲目追求参数量更具实际意义。
结语
Qwen Scribe 不仅是一款实用的本地转录工具，更代表了“以用户隐私为核心”的 AI 产品设计思路。对于经常需要记录会议、制作字幕、撰写笔记的 Mac 用户来说，它提供了一个轻量、高效且完全可控的解决方案。随着社区不断贡献新的模型适配和功能扩展，Qwen Scribe 有望成为 Apple Silicon 生态中不可或缺的效率工具。如果你手头正好有一台 M 系列 Mac，不妨前往 GitHub 下载体验，感受本地 AI 的流畅与安心。