x1x2

@kuhung Claude 的解释，你可以参考看看：

⏺ argmax-oss-swift 在 VoxNote 里负责两件事：语音识别（ WhisperKit ）和说话人识别（ SpeakerKit ）。

一、WhisperKit — 语音转文字的核心引擎

…

@kuhung 我最开始用的苹果内置的引擎，后面扫了一眼这个开源项目： https://github.com/argmaxinc/argmax-oss-swift ，把内置模型改成了 Whisper large-v3

我目前用着还行，识别的准确率确实不算太高，但是我一般是先转，然后再把文本扔进 GPT ，让它再给我润色润色。 我主要是用来转电话录音和播客文本的，时间都比较长，30 分钟以上吧。

P.S. 我其实也是参考了开源项目。第一版是用原生的 Mac 语音识别引擎，其实效果也还行。后面翻了下 x ，发现…