FluidVoice 主打免費本機語音輸入：Fluid-1 改寫與語音辨識，差在哪裡？

FluidVoice 把語音輸入的兩個步驟放在同一個工具：先聽出文字，再整理成能貼進應用程式的句子。

官方在 2026 年 10 月 14 日的 X 貼文介紹 Fluid-1 本機模型，並以免費與裝置端處理吸引注意。

但 Fluid-1 負責文字後處理，語音辨識由其他語音模型處理，因此文字產生速度不能直接當成聽寫正確率。

Mac 已提供下載，Windows 與 iPhone 仍屬測試階段，功能與模型也可能因平台不同。

若常把想法口述成提示詞或工作訊息，本機流程值得測試；是否省事，要連同改錯和檢查語意一起算。

了解兩個模型各做什麼，才能選到合適的測試方式。

FluidVoice 和 Fluid-1 各自負責什麼？

語音辨識先產生文字，Fluid-1 再處理語句與格式。

FluidVoice 官方網站把流程分成錄音、語音辨識與文字整理。Mac 的預設組合由 Fluid Speech Mini 聽出文字，再交給 Fluid Intelligence 中的 Fluid-1 模型處理。

語音辨識的工作是把聲音對應到文字，後處理則整理已經存在的文字。因此前一步若把人名聽錯，後一步可能把句子修得通順，卻不一定知道原本說的是誰。

改寫有幫助，也可能改掉重要意思

假設你口述「週三，不對，改成週四開會」，希望留下的是修正後的時間。但如果你是在記錄會議過程，可能反而需要保留更動前後，兩種需求不能用相同標準。

Fluid-1 的用途包括去掉語助詞、整理大小寫、結構與應用程式語氣。這能減少輸入後的修改，但用途仍應由使用者決定，而不是越流暢就越好。

對程式提示而言，否定語氣尤其重要。「先不要刪除舊檔案」和「刪除舊檔案」只差少數字，後續操作卻完全不同，所以不能只檢查有沒有錯字。

先讓輸出符合這次工作

若要把口述變成待辦，可以要求保留人名、日期與尚未定案的條件。若只是快速聊天，較自然的語氣可能更有價值，兩者都不必追求同樣格式。

官方提供依應用程式設定提示的方向，讓同一段口述配合不同場合。但這是表達形式的調整，不代表工具知道你的工作決策是否已經被核准。

可以先用一段公開或虛構內容比較原始辨識與整理結果。當兩者有差異，便能指出錯誤來自聽寫，還是來自文字改寫。

這種分開觀察也有助於選模型。如果辨識本來正確，卻在整理後改掉條件，就應先調整後處理，而不是一直更換麥克風。

兩步分開後，速度和正確率就要用不同方式衡量。

每秒文字單位與實際聽寫速度怎麼分？

文字模型的處理吞吐，不能替代整段錄音到可用文字的時間。

官方 X 貼文以不同裝置的 token/s 宣傳 Fluid-1 速度。Token 是文字模型處理內容的單位，並不等於一個中文字，也不是一秒錄音。

貼文所列的 M5 Max 每秒兩千以上文字單位，描述特定文字後處理測試。它不能直接解讀成能以同樣倍率聽完錄音，更不能當成中文辨識正確率。

錄完到能送出，中間不只有模型計算

實際使用還有錄音結束判斷、語音辨識、文字整理與輸入到目標欄位。假設後處理很快，前面的語音辨識仍較慢，整段等待就不會跟文字速度一起縮短。

第一次使用還可能需要下載與載入模型。若只測模型已經準備好的狀態，便不能代表剛開機時的體驗，所以兩種情況應分開記錄。

對短訊息而言，等到第一段可用文字的時間很重要。對長口述而言，則要看整段完成與修改，單一峰值很難同時回答這兩種需求。

用同一段話比較，才看得出時間差

可以錄一段包含日期、產品名與自我修正的測試內容，再以相同設定處理。這是本文建議的試用方式，沒有宣稱已經測得某款電腦的成績。

記下錄音結束、初稿出現與確認可送出的時間，就能分清等待與人工修正。如果初稿很快，最後卻要改很久，節省並沒有出現在整個工作。

文字量也應相近。把一句口語和一段長篇技術說明比較速度，結果會混入內容難度與輸出長度，無法只歸因於硬體或模型。

速度測試還應保留錯誤結果，不能只計算成功的那一次。需要重錄或重跑的時間，也會影響每天是否願意持續使用。

因此可以把官方數字當成值得試用的線索，再用完整口述任務決定。真正要比較的是最後拿到可用文字花多久，而不是只有某個步驟跑多快。

硬體條件會進一步影響這段流程。

Mac、Windows 與 iPhone 的可用範圍有何不同？

平台成熟度與模型選擇都要按裝置分別確認。

2026 年 10 月 15 日查詢時，官方提供 Mac 下載，Windows 與 iPhone 則標為測試階段。這表示可以取得入口，卻不能假定三個平台已有完全相同的模型與功能。

Mac 頁面列出需要 macOS 15.0 或更新版本，並區分 Apple 晶片與 Intel 的語音模型安排。因此下載前先對上自己的設備，比先選最高階模型更實際。

模型檔案大小與工作記憶體不同

官方列出 Fluid-1 Pico 的下載大小為六百 MB，並把它作為入門 M1 Air 的起點。下載比較小有利於先試，但不代表所有錄音長度都只占相同記憶體。

記憶體是程式執行時暫放資料的空間，還要和瀏覽器、文件及其他應用一起使用。若系統已很吃緊，即使模型能載入，也可能影響切換工作。

因此第一輪可以先用較小組合完成常用訊息，再比較品質是否需要換模型。不是每個人都會從最大的文字整理模型得到最多收益。

語言支援要對上實際辨識模型

官方將語言數量按模型分列，有些只支援英文，有些涵蓋較多語言。所以產品整體標示支援多語，不能直接當成每個可選模型都會聽懂中文。

假設你的工作常混用中文與英文縮寫，就要在相同一段錄音中測。把兩種語言分開念得很清楚，未必能代表日常中途切換語言的情況。

iPhone 的測試入口透過 TestFlight，功能與模型可用性仍應依平台說明確認。不能因為 Mac 的示範順暢，就推定手機也使用相同處理方式。

權限與輸入位置也會影響使用

Mac 需要麥克風錄音，以及把文字輸入其他應用程式的輔助使用權限。只有聲音辨識成功，若文字進不到目標欄位，日常工作仍未完成。

測試時可以先選普通文字欄位，確認焦點、快捷鍵與送入內容一致。等基本路徑可靠，再放進複雜編輯器，會更容易找出問題屬於哪一段。

能執行之後，還要知道資料實際送往哪裡。

本機預設與選用雲端功能如何影響隱私？

本機預設描述的是預設處理路徑，選用雲端供應商會增加傳送。

官方說本機是預設路徑，音訊與口述文字在裝置處理。但產品也允許自選雲端供應商，所以是否傳送仍取決於你開啟哪些功能與模型。

雲端供應商是替程式在遠端執行模型的服務。選用後，該功能所需內容會送往對應服務，因此不能同時沿用「所有步驟都不離開裝置」的假設。

把辨識與整理的路徑分開確認

假設語音辨識留在本機，文字整理卻交給遠端模型，原始聲音可能沒上傳，辨識出的文字仍可能被傳送。這兩種資料不能當成同一個開關。

若組織要求某類工作完全離線，就應確認使用的組合符合該條件。不能只因程式安裝在自己的電腦，便推定後面的工具也沒有網路連線。

工具完成文字後，輸入到哪個應用也會改變資料路徑。例如貼進雲端文件，後續同步是那個文件服務的工作，不屬於語音工具的本機承諾。

選擇路徑後，再比較品質與成本

本機不需要每次把口述交給遠端模型，但會使用自己的設備資源。雲端可能提供不同模型能力，則要另看服務條件、費用與傳輸，不能只比較訂閱價格。

官方把工具定位為免費與開源，並不表示自選的其他供應商也免費。若接入付費服務，應把那段使用量另外列出，才知道全部成本。

可先用虛構工作訊息測試設定，再決定哪些真實內容適合使用。這是降低試用干擾的方法，不是額外宣稱工具具有某種機密資料認證。

離線測試也應確認功能是否完整

如果你需要沒有網路時仍能口述，可以在模型已準備好後測一次完整輸入。這能驗證目前選的組合，而不是只依網站的離線字樣推定。

重開程式後也可確認設定是否保持。若每次更新都改回另一條路徑，使用者就需要知道原因，才能保留相同的隱私與成本比較基準。

把路徑設定清楚後，測試才有固定條件。

中文口述要怎麼測準確度與語意保留？

同一段包含專有名詞與修正語氣的錄音，能比較聽寫和改寫各自帶來的變化。

中文口述的驗收應同時看文字與意思。辨識錯一個同音字可能只是小修，但漏掉否定、條件或數量，可能讓整段工作訊息失去原本用途。

假設測試內容是「先做甲班講義，不是乙班，週五前只要草稿」，就要分別核對對象、截止時間與交付狀態。這是虛構例句，沒有對應真實學生資料。

把錯誤分到能修正的步驟

若原始辨識就寫錯班級，先比較語音模型與錄音條件。若原始文字正確，整理後卻把草稿改成正式版本，就應回到後處理設定找原因。

可以保留一份按原意整理的參考文字，再逐句比對。它不必與口語逐字完全相同，但關鍵承諾與條件必須一致，才能算成可用輸出。

口頭自我修正也要刻意放入測試。日常說話常中途改主意，如果只用照稿念的乾淨錄音，容易高估實際使用的順暢度。

專有名詞要用自己的常見內容測

產品名、人名與中英文混用，各有不同錯法。可以先用公開名稱建立一小組例句，確認哪種模型組合需要最少修改，再考慮加入更多用途。

也應試一段較長內容，看看標點與分段是否幫助閱讀。語句被拆得很漂亮，但把前後條件分開，仍可能讓接手的人讀錯。

最後一步是確認文字進到正確位置

輸入前先看目標欄位，輸入後再確認內容完整。若還需要手動複製到另一個工具，這段操作也應算入時間，不能只看終端機出字速度。

比較幾次日常任務後，可以把重錄、改字與語意修正分開記錄。若某種模式一直改掉你的意思，就應縮小它的整理範圍，而不是要求自己適應錯誤輸出。

當一種組合在常用場合穩定可用，再擴大到其他應用。以最後的人工修改量選模型，會比追逐最高吞吐更接近語音輸入的目的。

挑選模型時，應以最後需要多少人工修改為依據。

FluidVoice 常見問題

FluidVoice 的 Fluid-1 是語音辨識模型嗎？

不是。Fluid-1 負責辨識後的文字整理，語音先由其他語音模型處理，因此兩個階段要分別測速度與錯誤。

免費代表可以免費用所有雲端模型嗎？

不代表。官方工具免費與開源，自選雲端供應商則依該服務條件處理，可能另有使用費用。

Mac 的功能會和 iPhone 完全相同嗎？

不能這樣推定。Mac 已提供下載，iPhone 與 Windows 是測試階段，模型與功能應依各平台說明確認。

中文輸出很通順就代表聽對了嗎？

不一定。後處理可能讓錯誤文字變得流暢，仍要核對名稱、日期、否定與尚未確定的條件，才能確認原意保留。

先保住原意，再比較哪種組合最省修改

FluidVoice 適合用來測試把口述接到日常輸入。先固定一段中文內容與資料路徑，分開觀察辨識和整理，再以整段完成時間與人工修正選擇模型，會比只看文字生成速度更有依據。

想持續追蹤 AI 工具與研究的實際用途，歡迎免費訂閱 AI 郵報。

延伸閱讀

延伸閱讀：EmbeddingGemma 語音轉文字實驗：一小時錄音 13 秒，速度與正確率怎麼比？

延伸閱讀：Google 推出 EmbeddingGemma 2：7.4 億參數，讓手機離線搜尋照片、影音與程式碼

資料來源

• FluidVoice 官方平台條件、模型與隱私說明。
• 原始 X 發布貼文。