Speech To Markdown

• 1. 概要 （共 271 字）

  Speech To Markdown 是一款由獨立開發者 Igor Steblii 打造的免費開源 macOS/iOS 應用，核心理念是「說話，獲得乾淨的 Markdown，100% 本地處理」。它透過本地 Whisper 語音識別 + 本地 LLM 實時結構化，將口述內容直接轉化為格式規整的 Markdown 文件。在競品普遍年費 $144 且依賴雲端的市場環境下，Speech To Markdown 以完全免費、100% 離線、開原始碼的三重優勢，為隱私敏感的技術使用者提供了一條差異化路徑。目前產品處於早期階段（v0.2.0），社群熱度尚未形成，但底層邏輯和使用者體驗方向已得到認可。

• 2. 產品背景 （共 533 字）

  Speech To Markdown（簡稱 stmd）由獨立開發者 Igor Steblii（GitHub: xajik）開發。Igor 是一名全棧開發者，在 LinkedIn 上透露，他開發這款應用的直接動機是：「對著 Gemini 說話，結果越來越差，最後放棄又回去打字了。語音輸入確實比打字快，但真正的挑戰不是速度，而是結構——你很難在即興討論複雜流程、產品或技術需求時同時組織好思路。」   該應用的開發歷程始於 2025 年，最初以 VoiceToMarkdown 為名在 GitHub 上迭代，經歷了 0.0.4→0.0.8→0.1.0→0.1.1 四個版本的演進。2026 年 7 月 10 日，專案更名為 SpeechToMarkdown 併發布 v0.2.0 版本。同時，iOS 版 SpeechToMarkdown 上架 App Store，支援 iPhone 15 Pro 及以上機型。截至目前，GitHub 倉庫有 41 次提交、2 位貢獻者（包含 Claude AI 輔助貢獻），App Store 應用僅 3.1 MB。   Speech To Markdown 的定位非常明確：它不是一個大眾消費者產品，而是一個面向技術使用者、開發者、Markdown 重度使用者的效率工具。它不追求跨平臺覆蓋或雲同步功能，而是在 Apple 生態內做到深度、精準和隱私極致。

• 3. 產品功能與使用體驗 （共 948 字）

  Speech To Markdown 提供雙版本——macOS 桌面版和 iOS 移動版，兩套技術棧不同但體驗一致。   先說 macOS 桌面版。它運作在選單欄中，可以透過快捷鍵 ⌘⌥] 隨時喚起「全域性聽寫」模式——在任何應用中啟用，說話後轉錄的 Markdown 文字直接輸入當前游標位置。這種「全域性注入」的方式打通了所有 App 的輸入壁壘，你可以在終端、瀏覽器、Slack、VS Code 裡隨意使用。除了全域性聽寫，還有「代理模式」——一個實時 Markdown 編輯器視窗，你說話時語音先由 whisper.cpp 轉錄為文字（每 4 秒一段緩衝），再傳送給本地 LLM 進行結構化處理，結果流式寫入編輯器，所見即所得。   iOS 移動版則走了一條完全不同的技術路線。它不依賴任何外部 LLM 伺服器，而是呼叫 Apple 裝置內建的 SpeechAnalyzer 做語音識別、Apple Foundation Models 做格式化處理。這意味著它零配置、零依賴、甚至支援飛航模式。App Store 上架以來，使用者只需下載即可使用，無需註冊、無需設定、無需網路連線。   最值得關注的是它的三種工作模式。Format 模式是自由口述模式，你說的話會發給 LLM 實時重構整個文件——所有新內容連同已有內容一起發給模型，確保全域性一致性。Edit 模式則把語音當作指令而非內容，比如「把副標題改成 Weekly Notes」「把這個列表轉成表格」——選中文字後說出指令，模型只改動選中部分。Append 模式是為長文件設計的加速模式，只傳送最後 3 個句子加新內容給 LLM，延遲不隨文件長度增長。   輸出格式支援 Markdown、純文字和 HTML 三種，可在會話中隨時切換，設定會跨啟動保留。所有會話自動儲存，原始轉錄始終一鍵可查。   競品對比方面，Typeless（$144/年，雲端處理）和 Wispr Flow（$144/年，雲端處理）提供了更成熟的跨平臺體驗，但它們都是付費訂閱制且依賴雲端。Trace（£9.99 一次性買斷，僅 macOS）在會議轉錄和說話人分離上更專業，但缺少實時結構化能力。v2md（$14.49/年起，iOS 端離線）是最接近的競品，但收費模式和定位爭議較大。Speech To Markdown 在「完全免費 + 開源 + 100% 離線 + Markdown 原生支援」這四個維度上至今沒有對手。

• 4. 定價與商業模式 （共 385 字）

  Speech To Markdown 目前完全免費，無任何內購、無訂閱、無廣告。iOS 版在 App Store 上架，macOS 版透過 GitHub 分發。程式碼以開源形式公開在 GitHub 上，任何人都可以自由下載、編譯和修改。   這一模式在同類產品中極為罕見。Typeless 年費 $144，Wispr Flow 年費 $144，Brain Dump 年費 $44.99，v2md 年費 $14.49–$35.99。唯一接近免費的是 Trace（£9.99 一次性買斷），但功能定位完全不同。Igor 沒有透露未來的變現計劃，但可以推測，他可能透過贊助（如 GitHub Sponsors）或附加服務（如雲同步、團隊版）來實現長期可持續。   目前 stmd 在 App Store 上尚未獲得足夠評價以顯示評分，GitHub 的 Star 數也處於起步階段。但這款工具展示了一條不同於 SaaS 訂閱制的軟體路徑：小而美、免費開源、技術驅動。

• 5. 使用者評價 （共 231 字）

  由於 Speech To Markdown 在 App Store 上架時間尚短，尚未積累足夠使用者評價。   但在開發者社群中，已有一些聲音。Igor 在 DEV.to 上發表了題為《From Brain Dump to Markdown: Structure Ideas as You Speak》的文章，用 stmd 口述撰寫了整篇文章作為演示。LinkedIn 上也有種子使用者表示「體驗出乎意料地好——我只是隨口說了一段話，它不僅轉成了文字，還直接幫我整理成 Markdown 並自動拆成清晰的 1、2、3 點」。

• 6. 行業評價 （共 388 字）

  目前這款應用在行業媒體中的曝光極少，沒有 TechCrunch、The Verge 等主流科技媒體的報道。但在開發者工具社群，thistools.app 和 gunbark.dev 等工具導航網站已將其收錄並給出正面評價。thistools.app 的評價指出：「這套架構的底層邏輯很清晰——音訊由 whisper.cpp 以約 4 秒為一段轉錄並緩衝，當累積約 30 個單詞時傳送給 LLM，結果流式寫入編輯器。這種設計在延遲和全域性一致性之間取得了不錯的平衡。」   在競品格局層面，市場正在快速膨脹。Typeless 在 2026 年 7 月剛獲得新一輪關注，Wispr Flow 已融資 $81M、估值 $7 億。語音→結構文字這條賽道正在從「少數人的玩具」變成「每個人都需要的基礎設施」。Speech To Markdown 以免費開源的姿態切入，雖然短期內難以形成商業競爭，但在技術圈和隱私敏感使用者群體中有一個穩固的利基市場。

• 7. 爭議與風險 （共 323 字）

  作為一款免費開源工具，Speech To Markdown 面臨的最大風險不是商業競爭，而是開發者精力和專案可持續性。獨立開發者專案常見「熱情啟動→快速迭代→緩慢停滯」的軌跡。如果 Igor 無法持續投入維護，stmd 可能會像許多優秀的開源專案一樣逐漸失活。   另一個風險是硬體限制。iOS 版需要 iOS 26+ 和 Apple Intelligence 裝置（iPhone 15 Pro 及以上），這排除了大量存量使用者。macOS 版則需要使用者自行安裝 whisper.cpp 和本地 LLM 伺服器，對非技術使用者的門檻較高。在中文生態中，這個門檻尤其突出——應用介面僅支援英語，在中國主流平臺（知乎、小紅書、B 站、CSDN 等）上幾乎沒有任何中文評測或教程，這是一個顯著的使用者增長瓶頸。

• 8. 適用人群與使用建議 （共 226 字）

  Speech To Markdown 最適合三類人：一是技術使用者和開發者，願意花時間配置本地 LLM，換來無限制免費使用和最高隱私保障；二是 Obsidian 等 Markdown 筆記庫的重度使用者，需要一種高效的口述輸入方式；三是對資料隱私極端敏感的使用者，希望語音資料絕對不離開裝置。   不適合的人群包括：期待開箱即用體驗的普通消費者（建議用 Typeless 或 Wispr Flow）、需要跨平臺多裝置同步的使用者、以及追求會議轉錄和說話人分離功能的使用者（建議用 Trace）。

• 9. 總結 （共 199 字）

  Speech To Markdown 是語音轉 Markdown 領域一個值得關注的新玩家。它選擇了一條反主流的路——不收錢、不聯網、不開箱即用——但恰恰因此填補了一個真實存在的空白。獨立開發者 Igor Steblii 用一套精巧的技術方案（本地 Whisper + 本地 LLM + 三種工作模式），證明了語音到結構化文字這件事可以做到極致隱私且完全免費。對於目標使用者而言，它可能不是一個成熟的產品，但絕對是一個對的方向。

暫無深度報告

• 

  Robin749

  —

  發現一個瓶頸——在嘈雜環境中拾音效果不太行，畢竟用的是 Mac 自帶麥克風。接個外接麥克風會好很多。

---

• 

  馮明

  —

  中文語音識別的準確率比預期好，用的 whisper 模型對中文支援不錯。但輸出的 Markdown 格式化風格偏英文習慣，中文排版偶爾需要手動調一下。

---

• 

  狗狗112

  —

  跟 Wispr Flow 比的話，少了跨平臺同步和 AI 清理功能，但勝在完全免費且資料不出裝置。看個人取捨了。

---

• 

  ElizabethJenkinsX455

  —

  如果能支援 Android 就好了，但看了下架構依賴 Apple 的框架，估計短期內沒戲。

---

• 

  陳丹丹

  —

  那個實時編輯器的流式輸出很帶感，說話的時候看著文字一行行出現，有種自己在寫程式碼的錯覺（笑）。

---

• 

  SHernandezQ

  —

  Product Hunt 上 89 票排名第 15，對於一個剛釋出的免費開源專案來說表現不錯。希望能持續迭代。

---

• 

  黃雲鵬

  —

  試了一下在飛機上用 iOS 版，飛航模式完全沒問題，資料不走雲端這一點出差黨狂喜。

---

• 

  TCastilloJr

  —

  開發者 Igor 在 DEV.to 上用這個工具寫了一整篇文章來演示，挺有意思的 eat your own dog food 案例。

---

• 

  TheXavierScott

  —

  要是以後能加個說話人分離功能就完美了，現在只能一個人用，多人會議的場景還覆蓋不了。

---

• 

  EDort

  —

  大佬們，macOS 版配置本地 LLM 的時候選的 Qwen3.5 27B 4bit，omlx 跑的，速度還不錯。有人試過用 Gemma 3 嗎？效果咋樣？

---

• 

  realEmaRikstad_x

  —

  v2md 用了幾個月，看到這個上來就是全免費還挺意外的。可能功能還沒 v2md 那麼完善，但開源的潛力大。

---

• 

  DebraFosterSr

  —

  全域性聽寫的快捷鍵設定得不錯，跟 Alfred 和 Raycast 不衝突。不過第一次啟動還需要麥克風和輔助功能許可權，這個對小白可能有點勸退。

---

• 

  Natalie_Ward_77

  —

  編輯模式下指令的自然語言理解還不夠穩定，但考慮到是免費開源的初期產品，已經很驚喜了。

---

• 

  Jessica_Kelly_20227

  —

  開會的時候試了一下，直介面述會議紀要，轉完就是結構化的 Markdown，比手動記筆記效率高太多了。

---

• 

  jcmbo8rhv777

  —

  對比了一圈語音轉 Markdown 工具，這個是在隱私和功能之間平衡得最好的。不用註冊、不聯網、不付費，還要啥腳踏車。

---

• 

  LaurenCruzSr

  —

  三個輸出格式很實用，Markdown 寫文件、純文字記速記、HTML 直接預覽，切換還很流暢。

---

• 

  TerryRiveraJr

  —

  試了 Gemma 3 和 Qwen3.5，個人感覺 Qwen 的格式化質量更好一些，Gemma 勝在速度快。

---

• 

  crazyswan128

  —

  GitHub 上看了原始碼，Igor 的程式碼質量不錯。不過專案還比較初期，只有 41 次提交，有點擔心後續維護能不能跟上。

---

• 

  itjpsxl6

  —

  試了 Edit 模式，說「把副標題改成 Weekly Notes」真的就改了，免鍵盤編輯的體驗很神奇。不過精度還有提升空間，複雜指令有時理解不對。

---

• 

  Donald.GrayZ383

  —

  Append 模式太好用了，寫長文件的時候延遲不會隨著內容變長而增加，只追加新內容，這個設計很聰明。

---

• 

  JohanMortensen

  —

  跟 Typeless 比的話，這個勝在完全免費而且資料本地處理。不過 Typeless 開箱即用的體驗確實更好，各取所需吧。

---

• 

  孔飛梅

  —

  iOS 版下載了，3.1 MB 的體積驚到我了。不過要 iOS 26 + iPhone 15 Pro 以上，我的 14 Pro 被精準排除，哭了。

---

• 

  DylanHicks_99

  —

  下載試了一下 macOS 版，配置過程對普通使用者確實有門檻，得先裝 whisper.cpp 和本地 LLM。但配好之後體驗是真的爽，說話直接出結構化 Markdown，全域性聽寫快捷鍵在任意應用裡都能用。

---

• 

  ticklishswan803

  —

  一直在找 Obsidian 的語音輸入方案，這個直接輸出 .md 檔案完美匹配。免費開源太香了。

---

• 

  CAhil

  —

  Product Hunt 上看到了 Speech To Markdown，免費開源的東西必須支援一下。看了一下 GitHub 倉庫，架構思路很清楚，本地 Whisper 做轉寫、本地 LLM 結構化輸出，資料完全不離機，這個隱私級別甩那些雲端方案几條街。

暫無評論