（5465期）macOS Local Voice – macOS 原生离线语音，零 API 密钥

macOS 原生离线语音，零 API 密钥 macOS 原生本地语音能力，无需 API 密钥或联网，支持多语言离线语音转文字和文字转语音，Apple Silicon 体验更佳。 使用说明 核心用法 macos-local-voice 是一款完全基于 macOS 原生框架的本地语音处理工具，整合 Apple Speech.framework（通过 yap CLI）实现离线语音识别，并通过 say 命令配合 ffmpeg 实现文本转语音。无需配置任何 API 密钥，所有计算均在设备端完成。 Speech-to-Text (STT) 调用 stt.mjs 脚本将音频文件转录为文本 支持 ogg、m4a、mp3、wav 等常见格式 可通过 locale 参数指定语言（如 zhCN、enUS、ja_JP 等） 支持 20+ 种语言，自动检测或手动指定 Text-to-Speech (TTS) 调用 tts.mjs 脚本将文本转为音频文件 智能选声：根据文本语言自动匹配最佳语音 三级音质可选：Compact（低质）、Enhanced（中质）、Premium（高质） Premium 语音（如 Yue (Premium)、Ava (Premium)）需用户手动下载 若 ffmpeg 可用，自动输出 ogg/opus 格式（适合即时通讯）；否则输出 aiff 语音管理 voices.mjs list：列出可用语音 voices.mjs check：验证语音是否已下载（关键步骤，因 say 静默降级） voices.mjs best：获取某语言的最佳语音 显著优点 | 特性 | 说明 ||------|------|| 零配置 | 无需 API 密钥、无需注册账号 || 完全离线 | 数据不上传云端，隐私安全 || 原生集成 | 深度调用 Apple 优化过的神经网络引擎，Apple Silicon 性能优异 || 多语言覆盖 | 支持中文、英文、日语、韩语、法语、德语、西班牙语等 20+ 语言 || 格式灵活 | 自动输出优化格式，适配消息平台 || 成本为零 | 无按量计费，无限次使用 | 潜在缺点与局限性 平台锁定：仅支持 macOS，Intel Mac 可用但体验逊于 Apple Silicon Premium 语音需手动配置：高质量语音需用户前往「系统设置 → 辅助功能 → 朗读内容」下载 无 Siri 语音：无法使用 Siri 专属音色 静默降级风险：say 命令在语音不可用时自动回退默认音色，必须通过 voices.mjs check 前置校验 外部依赖：需单独安装 yap（brew）和可选的 ffmpeg 无实时流式识别：基于文件处理，非实时对话模式 适合人群 注重隐私、不愿上传语音数据的 macOS 用户 需要离线工作环境（如无网络、内网环境）的开发者 希望零成本使用多语言 TTS/STT 功能的自动化工作流构建者 中文用户特别推荐：支持 Yue (Premium) 等高质量粤语、普通话语音 常规风险 | 风险类别 | 描述 | 缓解措施 ||----------|------|----------|| 依赖可用性 | yap 需通过第三方 tap 安装 | 使用 brew install finnvoor/tools/yap，关注维护状态 || 语音下载陷阱 | 用户误以为 Premium 语音可用，实际未下载 | 强制先执行 voices.mjs check || 格式兼容性 | 部分平台可能不支持 aiff | 确保 ffmpeg 安装以获取 opus 输出 || 性能瓶颈 | Intel Mac 大文件处理较慢 | 建议 Apple Silicon 设备 || 语言检测误差 | 混合语言文本可能选错语音 | 显式指定 locale 参数 | 总结 macos-local-voice 是 macOS 生态中隐私友好、零成本的语音处理最优解，特别适合自动化脚本和隐私敏感场景。虽然受限于平台且需手动管理 Premium 语音资源，但其原生性能和完全离线的特性，使其成为 Apple 用户构建语音工作流的首选工具。 原始说明 Local STT and TTS on macOS using native Apple capabilities. Speech-to-text via yap (Apple Speech.framework), text-to-speech via say + ffmpeg. Fully offline, no API keys required. Includes voice quality detection and smart voice selection.