（1358期）MLX STT – Apple Silicon 本地语音识别

Apple Silicon 本地语音识别 Apple Silicon 本地语音转文字，免 API 免云端，开源模型精准识别 使用说明 核心用法 mlx-stt 是一款基于 Apple MLX 框架的本地语音识别工具，专为 Apple Silicon Mac 设计。用户通过 /mlx-stt <audio> 或自然语言触发词即可调用，支持任意音频文件的语音转文字（STT/ASR）。首次运行自动下载默认模型 GLM-ASR-Nano-2512，后续使用无需联网。 显著优点 完全本地化：依托 Apple MLX 框架，所有推理在本地完成，音频数据不上传云端，隐私性极强 零成本使用：无需 API Key，无订阅费用，开源模型可免费商用 开箱即用：通过 brew 自动安装 ffmpeg、uv、mlx_audio 等依赖，降低技术门槛 模型轻量：默认采用 GLM-ASR-Nano-2512，针对效率优化，适合个人设备实时或批量处理 潜在局限 硬件限制：仅限 Apple Silicon Mac（M1/M2/M3/M4），Intel Mac 无法运行 首次启动慢：需下载模型文件，网络条件差时体验受影响 功能单一：专注语音转文字，无说话人分离、时间戳对齐等高级功能 中文生态弱：GLM-ASR 虽支持中文，但与 Whisper 相比社区资源和文档较少 适合人群 注重隐私的自媒体创作者、播客制作者 需要批量转写会议录音的职场人士 Apple Silicon 用户且不愿支付 API 费用的开发者 常规风险 音频文件路径需合法，避免误处理敏感系统文件 长音频转写占用内存，建议分段处理 1 小时以上录音 模型输出需人工校对，关键场景不可直接作为法律或医疗凭证 原始说明 Speech-To-Text with MLX (Apple Silicon) and opensource models (default GLM-ASR-Nano-2512) locally.