离线语音转文字横评：免费、订阅、买断，踩坑三个月告诉你
离线语音转文字横评：免费、订阅、买断，踩坑三个月告诉你
背景先说清楚：每周三次会，每次一小时起步。录完音手工整理纪要，一个人搞一次四十分钟。试过在线转写，效果确实好——但法务那边直接否决了。会议录音上传到第三方服务器，合规风险太大。
三个月，把市面上能用的方案全试了一遍。下面按"自己搭 / 在线订阅 / 离线买断"三类说，优缺点都摆，不吹不黑。
一、自己搭开源的
下载模型，配环境，写脚本。听起来简单，做起来全是坑。
最火的那个开源方案我试了。CUDA版本不对，Python依赖冲突，模型下载到一半断连……光环境配置就折腾了两天。跑通之后，中文准确率大概90%出头——能用，但每次用都像在搞科研。
- 适合谁：会写Python、有独显、愿意折腾
- 不适合谁：大多数人
二、在线订阅的
主流在线转写工具，准确率95%以上，界面也漂亮。按月或按分钟收费。
但有个致命问题：你要生成AI纪要，你的会议内容——包括隐私数字、重要安排、技术方案——就完整地经过了别人的服务器。
个人写稿做字幕，问题不大。团队内部会议、商务洽谈？很多公司IT已经明确禁止使用在线转写工具，不是开玩笑的。
三、离线买断的成品软件
这是最后选的方向。装完就能用，不联网，一次买断不续费。
满足条件的软件不多。最后用的是「智转AI」，Qwen3-ASR模型做转写，本地跑大模型出AI纪要。
智转用了三个月的真实感受
优点
- 真离线。禁用网卡一样跑。安装器只有4MB，首次运行自动下载语音模型。
- 准确率。日常会议录音98%上下，技术讨论会低一点，但整体够用。
- AI纪要。录完音点一个按钮，自动出议题、结论、待办。速度跟显卡走：我笔记本3060大概两分钟，集显办公本得一个小时。
- 买断制。月39、年199、永久299。我买的永久，一次付款后面不操心。用一年就回本。
- 安装干净。过了360安全认证和代码签名，装的时候系统不弹任何安全警告。技术背景我查了下，团队还公开致谢过阿里——转写用的就是阿里的开源大模型，敢把技术来源摊开说。
槽点
- 机器码绑定，重装系统要重新激活，防破解可以理解但确实麻烦。
- 非NVIDIA显卡跑不动AI纪要。AMD和Intel集显只能当基础转写工具用。
- 装完占空间大。各种模型加起来要十几G，装C盘的朋友提前留好位置。
- 口音重或背景吵的时候，标点和断句偶尔出问题。
三种方案一张表
| 维度 | 自建开源 | 在线订阅 | 离线买断（智转） |
|---|---|---|---|
| 上手难度 | 高 | 低 | 低 |
| 数据安全 | 高 | 差 | 高 |
| 中文准确率 | 85-92% | 95%+ | 98%左右 |
| AI纪要 | 自己搭 | 有，但上传 | 有且本地跑 |
| 费用 | 免费 | 按月/按分钟 | 永久买断299 |
| 断网可用 | 能 | 不能 | 能 |
到底怎么选
- 偶尔转字幕、语音笔记的：在线免费工具够了，别纠结。
- 有技术能力的：自己搭开源，完全免费。前提是你愿意花时间折腾。
- 日常处理内部会议、商务洽谈的职场人：离线买断是最务实的选择。不冒合规风险，一次付费后面不管。
一个很多人没意识到的点
离线软件不依赖服务商活着。
在线工具今天好用，明天涨价、关服、被收购，你的数据和使用习惯全没了。离线软件装在你电脑上，电脑不坏它就一直跑。
这种不受制于人的感觉，用久了才知道多重要。
以上是我踩坑三个月的个人结论，仅供参考，不构成购买建议。选型这事还是得按自己的实际场景来。