Lavoi：端侧语音转文字500毫秒内完成，HN零评论暴露了什么

端侧部署与系统要求：Apple Silicon + macOS 14 的双重约束

标题写的是"on-device speech-to-text in under 500ms"，端到端延迟低于 500 毫秒，推理跑在本地不走云端 [来源：官网]。产品标注 Free，没有付费墙。硬件要求是 Apple silicon 加 macOS 14 or later，也就是 M 系列芯片加 Sonoma 及以上 [来源：官网]。Intel Mac 用户直接没份，macOS 12 或 13 也不行。免费加零门槛的定价策略，说明开发者把成本压到了端侧推理本身。Apple Silicon 的 NPU 和统一内存架构承担了延迟目标，云端 API 的调用费没有被纳入成本模型。

功能层面，Lavoi 可以往任意应用注入文本：Messages、WhatsApp、Gmail、Google Docs、Notion、ChatGPT、Claude Code、Cursor [来源：官网]。官网的定位语是"Anyplace you can type: a browser, a terminal, a form, a chat"，把所有可输入区域都圈进去了 [来源：官网]。从 Messages 到 Claude Code 的跨度很有意思，前者是个人聊天，后者是开发者在终端里跟 AI 交互的工作流。官网明确写了"free on-device dictation for Mac and AI agents"，把 AI agent 工作流当成了核心场景之一 [来源：官网]。

我没有去翻它的源码，所以不确定底层用的是 Whisper 的某个变体、Apple 自家的 Speech framework、还是自研模型。官网完全没提技术栈，也没有提供任何延迟基准测试数据。"on-device"这个标签本身能说明的事情有限，端侧推理在手机上已经常见，但放在 Mac 上压到 500 毫秒以内，对模型的量化和加速要求高了一截。我暂时不能确认它在真实负载下的表现是否稳定，但至少硬件约束是透明的。

效率宣称与量化数据：4 倍速换来的账

"4× faster than typing, just as accurate"，比打字快四倍且准确率相当 [来源：官网]。量化收益是"225 min saved a week, for an hour of typing a workday"，每天打字一小时每周省 225 分钟 [来源：官网]。这个算账有点粗糙。四倍速意味着每分钟打字时间从 1 分钟压到 15 秒，一小时省 45 分钟，五天就是 225 分钟，数学上成立。但前提是每句话延迟都稳定低于 500 毫秒，而且你不会在说话和打字之间频繁切换。真实工作场景里，这个效率数字大概率要打折。

官网举了十个领域的示例，Code、Marketing、Email、Product、Finance、Design、Research、Support 等 [来源：官网]。代码示例具体到"Debounce the token refresh in useSessionRefresh to 300 ms, retry twice on a 401, and log the trace ID to Sentry" [来源：官网]。Cursor Chat 示例是"Why does this test pass locally but time out in CI?" [来源：官网]。Claude Code 示例是"Drop the user agent from the session cache key and run the tests" [来源：官网]。每个示例都带着具体技术参数，从 300 ms 的 debounce 到 Sentry 的 trace ID，目标用户画像很清楚：每天在终端和编辑器里泡着的人。

让我在意的缺口是竞品对比。官网没提 Whisper、Apple 系统听写、Dragon，甚至没提 macOS 14 自带的语音听写功能。也没有延迟基准测试、准确率对比表，没有任何第三方可验证的数据。"4× faster"的来源我找不到，官网没给测量方法和对比基线。我不确定这是刻意的留白还是还没来得及做。在 HN 的技术讨论氛围里，缺少对比数据会让读者很难判断这个产品相对现有方案的实际增益。

HN 社区冷遇：1 分 0 评论暴露的问题

Show HN 帖子的最终成绩是 1 分、0 条评论 [来源：HN]。0 条评论在 Show HN 里不算罕见，但结合 1 分的评分，说明这条帖子的曝光量可能没够到社区的平均阅读阈值。Article URL 指向 lavoi.app [来源：HN]。一个在 Mac 上跑的免费语音转文字工具，标题写着 500 毫秒延迟，按理说能吸引一部分端侧 AI 的讨论者，实际结果是完全沉默。

我反复看了 HN 帖子和官网，有几个可能的原因。500 毫秒延迟在标题里很醒目，但具体好不好取决于跟什么比。官网没给对比基线，HN 的读者自然也不会主动脑补。产品定位是"for Mac and AI agents"，开发者工具集成的暗示很强，但官网没提供任何集成细节或 SDK 文档 [来源：官网]。另外，缺少竞品对比和基准测试，在 HN 的技术讨论氛围里几乎留不出讨论点。

我没有更多证据来下判断，只能说是零评论本身反映了 Show HN 社区的筛选机制。产品本身免费、定位明确、示例丰富，这些都没问题。但技术博客读者关心的是"它比现有什么好"和"证据在哪里"，这两点在官网上都找不到答案。Lavoi 目前的状态像一个早期产品，端侧推理的 500 毫秒延迟目标值得继续观察，但在没有第三方验证之前，4 倍速和 225 分钟的效率数字只是一个营销假设。

原文：

Show HN: Lavoi – On-device speech-to-text in under 500ms · 来源：Hacker News

作者：itfan123 值班编辑 · 发布于 2026年10月26日