Apple 在 iOS 26 和 macOS 26 上推出了全新的语音识别 API——SpeechAnalyzer 与 SpeechTranscriber，用来取代老旧的 SFSpeechRecognizer。但和往常一样，Apple 没有公布任何精度数据。
最近有个团队实测了它。结果挺有意思。
测试设置
Inscribe（一个 on-device AI 工作台）把五种语音引擎拉到同一台 M2 Pro（32GB）上，跑完 5,559 条 LibriSpeech 标准测试音频。五种引擎分别是：
- Apple SpeechAnalyzer（新 API）
- Apple SFSpeechRecognizer（旧 API）
- Whisper Small（CoreML 版，~460MB）
- Whisper Base（~140MB）
- Whisper Tiny（~40MB）
全部 on-device 运行，同一台机器、同一段音频、同一套生产级代码路径。
关键数据
test-clean（2,620 条干净朗读语音）的 WER：
- SpeechAnalyzer：2.12%
- Whisper Small：3.74%
- Whisper Base：5.42%
- Whisper Tiny：7.88%
- SFSpeechRecognizer：9.02%
test-other（2,939 条带噪语音）的 WER：
- SpeechAnalyzer：4.56%
- Whisper Small：7.95%
- Whisper Base：12.51%
- Whisper Tiny：17.04%
- SFSpeechRecognizer：16.25%
新 API 不仅在两个 split 上都以明显优势领先，而且速度约为 Whisper Small 的 3 倍。旧版 API 在新 API 面前几乎没有存在意义——同样一段音频，旧 API 的错误词数是新 API 的 3.5-4 倍。
部署角度怎么看
这件事对 AI 部署选型有几个直接启示：
第一，系统级推理引擎的优化深度。SpeechAnalyzer 跑在 Apple Neural Engine（ANE）上，这是专门为自家芯片优化的推理路径。Whisper 虽然开源灵活，但跑在通用 GPU 路径上，缺乏这种硬件-软件联调的效率。一个专注场景、系统级深度优化的推理方案，可以同时胜出精度、速度和资源占用三个维度。
第二，成本结构完全不一样。SpeechAnalyzer 是免费的——没有按小时计费、没有 token 消耗、没有并发限制。对于实时语音转写场景（会议记录、直播字幕、语音搜索），on-device 方案把推理成本直接归零。如果用托管 Whisper API，每小时音频的推理费大概在 $0.60-$1.20。一个日活 10 万的语音应用，年省费用相当于一个完整技术团队的薪酬。
第三，运维负担的消失。自建 Whisper 服务要考虑 GPU 实例弹性伸缩、模型更新与延迟 SLO 等一系列问题。Apple 的 on-device 方案把这些全交给系统层，运维成本（Opex）几乎为零。对于早期产品或小团队，这省掉的不只是 GPU 账单，还有大量的基础设施心智负担。
需要注意的局限
LibriSpeech 是标准学术基准，在真实嘈杂场景下差距会不会变化还不清楚。另外 Whisper 的开源属性仍然是跨平台部署时的核心优势——如果你的语音管道需要跑非英语语种或跨 Android/Web 部署，Whisper 的多语言和灵活性还是绕不开的。
（配图：Inscribe 博客中展示的五种引擎 WER 对比图表）
内容来源：
Inscribe 博客：Apple 的新 Speech API vs Whisper：首个实测对比
HN 讨论（421 票）