医生律师必备：YazSes 开源离线听写，音频永不离开你的电脑
内容提要
YazSes是一款开源离线语音听写工具，支持按住说话、本地转录，音频不离开电脑。它基于faster-whisper模型，CPU即可运行，词错误率低至2.59%，实时因子0.52。支持语音命令、会议录制和说话人分离，跨平台且Linux优先。适合医生、律师等隐私敏感场景，完全免费，安装简单。
延伸解读
本地转录的准确率与延迟：数据说了什么
文章用LibriSpeech测试集的数据回应了“本地模型不如云端”的疑虑：small.en模型词错误率2.59%，实时因子0.52，意味着普通CPU即可实时转录。虽然云端Whisper大模型错误率约2%，但差距已缩小到可接受范围。对隐私敏感场景，这点准确率差异换来的数据不出门，是值得的权衡。
语音命令的误报控制：关键设计细节
YazSes的语音命令系统强调零误报，论文报告动作准确率100%，纯听写场景误报率0.0%。它采用正则表达式加可选小模型路由器的两层结构，确保普通话语不会误触发命令。这种设计让用户能放心说话，只有明确匹配命令模式的短语才会执行操作，提升了实用性。
与同类工具的对比：YazSes的定位
文章对比了Handy、OpenWhispr、FluidVoice、Talon等本地方案，指出YazSes的差异化在于Linux优先支持、会议录制与说话人分离功能，以及完全离线、可审计的透明度。它不声称全面超越，而是明确适用场景：需要隐私保护、Linux环境或会议转录的用户。
隐私合规的硬性要求：音频不出门是底线
对医生、律师、研究员等职业，音频一旦离开本地可能违反HIPAA或泄露未公开数据。YazSes默认完全离线，无遥测、无账号，连本地学习语料库都加密且不出门。这使其成为气隙环境或隐私敏感行业的及格线选择，而非锦上添花。
Q&A
YazSes是什么？它有什么主要特点？
YazSes是一款开源的离线语音听写工具，支持按住说话、本地转录，音频不离开电脑。它基于faster-whisper模型，CPU即可运行，词错误率低至2.59%，实时因子0.52。支持语音命令、会议录制和说话人分离，跨平台且Linux优先，完全免费。
YazSes的语音识别准确率如何？与云端相比差距大吗？
在LibriSpeech test-clean数据集上，YazSes默认的base.en模型词错误率为4.82%，small.en模型为2.59%，而云端Whisper大模型约为2%出头。差距不大，small.en模型已经相当准确。
YazSes如何保证隐私？音频数据会离开电脑吗？
YazSes全程本地处理，音频录制和转录都在本地完成，不产生任何网络请求，没有账号、API key或订阅。音频数据不会离开电脑，适合隐私敏感场景。
YazSes支持哪些平台？如何安装？
YazSes支持Linux、macOS和Windows。Linux用户推荐使用APT脚本安装，也可通过Snap Store；macOS和Windows用户可使用pipx安装，macOS还有Homebrew cask和.dmg安装包。
YazSes的语音命令功能是如何工作的？
YazSes的语音命令系统分两层：第一层是正则表达式语法，快速匹配常见命令短语，单次调用仅0.021毫秒；第二层是可选的小型语言模型路由器，处理模糊说法。命令语法零误报，确保普通话语不会被误执行。
YazSes与其他本地听写工具（如Handy、Talon）相比有何优势？
YazSes的差异化在于：Linux是一等公民，支持会议录制和说话人分离，且代码、测试、基准脚本全部公开，可审计透明度高。它不声称最好，而是坦诚对比，适合需要Linux优先和隐私敏感的用户。
YazSes适合哪些用户或场景？
YazSes适合医生、律师、研究员等隐私敏感行业，以及离线或气隙环境。它确保音频不出门，满足HIPAA等合规要求，也适用于无法连接外网的政府机构。
YazSes的实时性能如何？CPU能跑得动吗？
YazSes基于faster-whisper模型，int8量化，CPU即可运行。small.en模型的实时因子为0.520，即处理1秒音频只需0.52秒，普通笔记本CPU就能跑赢实时。
