Apple 語音辨識超車 Whisper
Apple 新一代 SpeechAnalyzer 要把即時與錄音語音直接在裝置端轉成文字，搭配 SpeechTranscriber、Swift Concurrency 與系統語音模型處理音訊。Inscribe 以 5,559 段 LibriSpeech 英文語音實測，乾淨音訊 WER 為 2.12%、較吵雜音訊為 4.56%，不只大幅勝過舊版 SFSpeechRecognizer，也優於透過 WhisperKit CoreML 執行的 Whisper Small；在 M2 Pro 上，速度約為 Whisper Small 的三倍。
現實應用
這套 API 適合會議逐字稿、語音筆記、字幕、訪談整理、聽寫與離線語音搜尋。對只做 Apple 平台、以英文或支援語系為主的開發者尤其實用：不用另外在 App 內塞入約 460MB 的 Whisper Small，也能讓音訊留在本機。醫療、企業內部紀錄與隱私工具會直接受惠，但這次測試是英文朗讀資料，不能直接推論到多人會議、口音、遠距收音或中文環境。
期望評估
我認為低標期望很明確：從 SFSpeechRecognizer 遷移後，長篇英文轉錄的錯字率可望顯著下降，還能取得較完整的大小寫與標點；原始測試的 WER 約改善 3.5 至 4 倍。
我猜高標是在支援語系與新款 Apple 裝置上，SpeechAnalyzer 會成為預設離線引擎，Whisper 則退到跨平台及長尾語言備援。不過約 30 個 locale 對上 Whisper 的百種以上語言，短期內仍無法全面取代。
商業策略分析
最受影響的是販售 Apple 端語音辨識 SDK、雲端轉錄額度，以及靠「比系統聽得準」定位的 App。我認為開發者值得立即評估遷移：系統模型免增 App 容量，速度、隱私與成本也有優勢。真正能收費的差異將轉向說話者分離、摘要、專有詞彙、搜尋與跨平台流程，而不是單純轉文字。Inscribe 已依結果把 Auto 模式改成支援語言優先選用 SpeechAnalyzer，這個產品決策比單一 benchmark 更有參考價值。
實作細節
API 內建於 iOS／macOS 26 的 Speech framework；Swift 端建立 SpeechTranscriber 模組，確認 AssetInventory 所需資源，再將檔案或麥克風音訊的 AsyncSequence 交給 SpeechAnalyzer。檔案輸入結束後必須呼叫 finalizeAndFinishThroughEndOfInput()，否則最後結果可能不送出、流程持續卡住。硬體支援與語系也要先檢查。