十月补记：本文于 2026 年 10 月 25 日整理并首次发布，页面日期用于归档对应时期的实践；后续修整一并写入。产品开放范围以文中链接的公开说明为准。
给学习工具加语音输入时，我一开始也容易把问题想成：找一个识别服务，把录音发过去，再拿回文字。
做日语随记和陪练时，我先回头检查了系统本身已有的能力。对支持的设备和语言，本机识别可以先把声音变成文字；需要 AI 解释时，再按用户确认处理文字。
这让两件原本混在一起的事变得清楚：听写是否需要联网，以及把听写结果交给 AI 讲解，是两段不同流程。
本机能识别，也得把条件问完整#
系统版本够新，不代表当前语言的识别资源已经准备好。设备支持情况、资源是否安装、麦克风权限，以及用户选择的语言，都可能影响入口能不能使用。
我希望产品在开始录音之前，就先尽量发现这些条件。没有可用能力时，保留键盘输入并说明原因；权限被拒绝时，告诉用户从哪里恢复。不要等人说了一大段，最后只给一个含糊的失败提示。
中文和日语也不能因为都在列表里，就宣传成自动双语识别。需要用户选语言时，界面就应该让他看见当前选择。Apple 的本机识别能力属性也说明，是否支持需要具体查询。
“本机处理”要跟着数据走向一起说#
陪练的公开说明把录音、回听和系统日语转写放在 Mac 本机，云端 AI 处理指定文字。这意味着“语音不上传”和“后续文字可能联网处理”可以同时成立，需要分别解释。
随记的本机听写开发同样没有自动在线识别回退。遇到缺资源或暂时失败，应当给出恢复或改用键盘的路径，不能为了让按钮看起来总能成功，悄悄换成另一种数据处理方式。
用户确认发送的文字，是另一项操作。产品要让人有机会检查识别结果，特别是人名、数字和日语相近读音，别让听错的一句话直接进入下一轮处理。
省掉云识别调用，不代表整个语音功能免费#
本机识别可能减少一段外部服务调用，但仍消耗设备资源，也有适配和维护成本。后续文字 AI、同步、存储等是否计费，也要按各自路径分别看。
我会用几项条件做选择：目标语言能否稳定支持，离线时能做什么，响应是否适合当前交互，隐私说明能否讲清，以及维护这些设备要花多少工作。
如果某项能力确实需要云端，应该另行设计同意和失败路径，再用实际使用量比较。当前没有云端识别账单对照，就不声称已经省下多少现金。
验收要听真实的人说话#
合成音频能帮忙检查采样转换和收尾逻辑，模拟器能检查布局，但真实录音仍有环境噪声、说话速度、打断、来电和后台切换这些变化。
我会分别试第一次授权、拒绝后恢复、短句、长句、中途取消，以及识别资源不可用时能否回到原来的文字草稿。停止之后，旧结果不该突然覆盖新输入。
陪练目前仍在自用打磨，本机模型资源和长录音体验也有待验证。先把支持范围说清楚，再逐步扩大，是我更愿意采用的做法。