Speech To Markdown

• 1. 概要 （共 271 字）

  Speech To Markdown 是一款由独立开发者 Igor Steblii 打造的免费开源 macOS/iOS 应用，核心理念是「说话，获得干净的 Markdown，100% 本地处理」。它通过本地 Whisper 语音识别 + 本地 LLM 实时结构化，将口述内容直接转化为格式规整的 Markdown 文档。在竞品普遍年费 $144 且依赖云端的市场环境下，Speech To Markdown 以完全免费、100% 离线、开源代码的三重优势，为隐私敏感的技术用户提供了一条差异化路径。目前产品处于早期阶段（v0.2.0），社区热度尚未形成，但底层逻辑和用户体验方向已得到认可。

• 2. 产品背景 （共 533 字）

  Speech To Markdown（简称 stmd）由独立开发者 Igor Steblii（GitHub: xajik）开发。Igor 是一名全栈开发者，在 LinkedIn 上透露，他开发这款应用的直接动机是：「对着 Gemini 说话，结果越来越差，最后放弃又回去打字了。语音输入确实比打字快，但真正的挑战不是速度，而是结构——你很难在即兴讨论复杂流程、产品或技术需求时同时组织好思路。」   该应用的开发历程始于 2025 年，最初以 VoiceToMarkdown 为名在 GitHub 上迭代，经历了 0.0.4→0.0.8→0.1.0→0.1.1 四个版本的演进。2026 年 7 月 10 日，项目更名为 SpeechToMarkdown 并发布 v0.2.0 版本。同时，iOS 版 SpeechToMarkdown 上架 App Store，支持 iPhone 15 Pro 及以上机型。截至目前，GitHub 仓库有 41 次提交、2 位贡献者（包含 Claude AI 辅助贡献），App Store 应用仅 3.1 MB。   Speech To Markdown 的定位非常明确：它不是一个大众消费者产品，而是一个面向技术用户、开发者、Markdown 重度用户的效率工具。它不追求跨平台覆盖或云同步功能，而是在 Apple 生态内做到深度、精准和隐私极致。

• 3. 产品功能与使用体验 （共 948 字）

  Speech To Markdown 提供双版本——macOS 桌面版和 iOS 移动版，两套技术栈不同但体验一致。   先说 macOS 桌面版。它运作在菜单栏中，可以通过快捷键 ⌘⌥] 随时唤起「全局听写」模式——在任何应用中激活，说话后转录的 Markdown 文本直接输入当前光标位置。这种「全局注入」的方式打通了所有 App 的输入壁垒，你可以在终端、浏览器、Slack、VS Code 里随意使用。除了全局听写，还有「代理模式」——一个实时 Markdown 编辑器窗口，你说话时语音先由 whisper.cpp 转录为文字（每 4 秒一段缓冲），再发送给本地 LLM 进行结构化处理，结果流式写入编辑器，所见即所得。   iOS 移动版则走了一条完全不同的技术路线。它不依赖任何外部 LLM 服务器，而是调用 Apple 设备内置的 SpeechAnalyzer 做语音识别、Apple Foundation Models 做格式化处理。这意味着它零配置、零依赖、甚至支持飞行模式。App Store 上架以来，用户只需下载即可使用，无需注册、无需设置、无需网络连接。   最值得关注的是它的三种工作模式。Format 模式是自由口述模式，你说的话会发给 LLM 实时重构整个文档——所有新内容连同已有内容一起发给模型，确保全局一致性。Edit 模式则把语音当作指令而非内容，比如「把副标题改成 Weekly Notes」「把这个列表转成表格」——选中文本后说出指令，模型只改动选中部分。Append 模式是为长文档设计的加速模式，只发送最后 3 个句子加新内容给 LLM，延迟不随文档长度增长。   输出格式支持 Markdown、纯文本和 HTML 三种，可在会话中随时切换，设置会跨启动保留。所有会话自动保存，原始转录始终一键可查。   竞品对比方面，Typeless（$144/年，云端处理）和 Wispr Flow（$144/年，云端处理）提供了更成熟的跨平台体验，但它们都是付费订阅制且依赖云端。Trace（£9.99 一次性买断，仅 macOS）在会议转录和说话人分离上更专业，但缺少实时结构化能力。v2md（$14.49/年起，iOS 端离线）是最接近的竞品，但收费模式和定位争议较大。Speech To Markdown 在「完全免费 + 开源 + 100% 离线 + Markdown 原生支持」这四个维度上至今没有对手。

• 4. 定价与商业模式 （共 385 字）

  Speech To Markdown 目前完全免费，无任何内购、无订阅、无广告。iOS 版在 App Store 上架，macOS 版通过 GitHub 分发。代码以开源形式公开在 GitHub 上，任何人都可以自由下载、编译和修改。   这一模式在同类产品中极为罕见。Typeless 年费 $144，Wispr Flow 年费 $144，Brain Dump 年费 $44.99，v2md 年费 $14.49–$35.99。唯一接近免费的是 Trace（£9.99 一次性买断），但功能定位完全不同。Igor 没有透露未来的变现计划，但可以推测，他可能通过赞助（如 GitHub Sponsors）或附加服务（如云同步、团队版）来实现长期可持续。   目前 stmd 在 App Store 上尚未获得足够评价以显示评分，GitHub 的 Star 数也处于起步阶段。但这款工具展示了一条不同于 SaaS 订阅制的软件路径：小而美、免费开源、技术驱动。

• 5. 用户评价 （共 231 字）

  由于 Speech To Markdown 在 App Store 上架时间尚短，尚未积累足够用户评价。   但在开发者社区中，已有一些声音。Igor 在 DEV.to 上发表了题为《From Brain Dump to Markdown: Structure Ideas as You Speak》的文章，用 stmd 口述撰写了整篇文章作为演示。LinkedIn 上也有种子用户表示「体验出乎意料地好——我只是随口说了一段话，它不仅转成了文字，还直接帮我整理成 Markdown 并自动拆成清晰的 1、2、3 点」。

• 6. 行业评价 （共 388 字）

  目前这款应用在行业媒体中的曝光极少，没有 TechCrunch、The Verge 等主流科技媒体的报道。但在开发者工具社区，thistools.app 和 gunbark.dev 等工具导航网站已将其收录并给出正面评价。thistools.app 的评价指出：「这套架构的底层逻辑很清晰——音频由 whisper.cpp 以约 4 秒为一段转录并缓冲，当累积约 30 个单词时发送给 LLM，结果流式写入编辑器。这种设计在延迟和全局一致性之间取得了不错的平衡。」   在竞品格局层面，市场正在快速膨胀。Typeless 在 2026 年 7 月刚获得新一轮关注，Wispr Flow 已融资 $81M、估值 $7 亿。语音→结构文本这条赛道正在从「少数人的玩具」变成「每个人都需要的基础设施」。Speech To Markdown 以免费开源的姿态切入，虽然短期内难以形成商业竞争，但在技术圈和隐私敏感用户群体中有一个稳固的利基市场。

• 7. 争议与风险 （共 323 字）

  作为一款免费开源工具，Speech To Markdown 面临的最大风险不是商业竞争，而是开发者精力和项目可持续性。独立开发者项目常见「热情启动→快速迭代→缓慢停滞」的轨迹。如果 Igor 无法持续投入维护，stmd 可能会像许多优秀的开源项目一样逐渐失活。   另一个风险是硬件限制。iOS 版需要 iOS 26+ 和 Apple Intelligence 设备（iPhone 15 Pro 及以上），这排除了大量存量用户。macOS 版则需要用户自行安装 whisper.cpp 和本地 LLM 服务器，对非技术用户的门槛较高。在中文生态中，这个门槛尤其突出——应用界面仅支持英语，在中国主流平台（知乎、小红书、B 站、CSDN 等）上几乎没有任何中文评测或教程，这是一个显著的用户增长瓶颈。

• 8. 适用人群与使用建议 （共 226 字）

  Speech To Markdown 最适合三类人：一是技术用户和开发者，愿意花时间配置本地 LLM，换来无限制免费使用和最高隐私保障；二是 Obsidian 等 Markdown 笔记库的重度用户，需要一种高效的口述输入方式；三是对数据隐私极端敏感的用户，希望语音数据绝对不离开设备。   不适合的人群包括：期待开箱即用体验的普通消费者（建议用 Typeless 或 Wispr Flow）、需要跨平台多设备同步的用户、以及追求会议转录和说话人分离功能的用户（建议用 Trace）。

• 9. 总结 （共 199 字）

  Speech To Markdown 是语音转 Markdown 领域一个值得关注的新玩家。它选择了一条反主流的路——不收钱、不联网、不开箱即用——但恰恰因此填补了一个真实存在的空白。独立开发者 Igor Steblii 用一套精巧的技术方案（本地 Whisper + 本地 LLM + 三种工作模式），证明了语音到结构化文本这件事可以做到极致隐私且完全免费。对于目标用户而言，它可能不是一个成熟的产品，但绝对是一个对的方向。

暂无深度报告

• 

  Robin749

  —

  发现一个瓶颈——在嘈杂环境中拾音效果不太行，毕竟用的是 Mac 自带麦克风。接个外置麦克风会好很多。

---

• 

  冯明

  —

  中文语音识别的准确率比预期好，用的 whisper 模型对中文支持不错。但输出的 Markdown 格式化风格偏英文习惯，中文排版偶尔需要手动调一下。

---

• 

  狗狗112

  —

  跟 Wispr Flow 比的话，少了跨平台同步和 AI 清理功能，但胜在完全免费且数据不出设备。看个人取舍了。

---

• 

  ElizabethJenkinsX455

  —

  如果能支持 Android 就好了，但看了下架构依赖 Apple 的框架，估计短期内没戏。

---

• 

  陈丹丹

  —

  那个实时编辑器的流式输出很带感，说话的时候看着文字一行行出现，有种自己在写代码的错觉（笑）。

---

• 

  SHernandezQ

  —

  Product Hunt 上 89 票排名第 15，对于一个刚发布的免费开源项目来说表现不错。希望能持续迭代。

---

• 

  黄云鹏

  —

  试了一下在飞机上用 iOS 版，飞行模式完全没问题，数据不走云端这一点出差党狂喜。

---

• 

  TCastilloJr

  —

  开发者 Igor 在 DEV.to 上用这个工具写了一整篇文章来演示，挺有意思的 eat your own dog food 案例。

---

• 

  TheXavierScott

  —

  要是以后能加个说话人分离功能就完美了，现在只能一个人用，多人会议的场景还覆盖不了。

---

• 

  EDort

  —

  大佬们，macOS 版配置本地 LLM 的时候选的 Qwen3.5 27B 4bit，omlx 跑的，速度还不错。有人试过用 Gemma 3 吗？效果咋样？

---

• 

  realEmaRikstad_x

  —

  v2md 用了几个月，看到这个上来就是全免费还挺意外的。可能功能还没 v2md 那么完善，但开源的潜力大。

---

• 

  DebraFosterSr

  —

  全局听写的快捷键设置得不错，跟 Alfred 和 Raycast 不冲突。不过第一次启动还需要麦克风和辅助功能权限，这个对小白可能有点劝退。

---

• 

  Natalie_Ward_77

  —

  编辑模式下指令的自然语言理解还不够稳定，但考虑到是免费开源的初期产品，已经很惊喜了。

---

• 

  Jessica_Kelly_20227

  —

  开会的时候试了一下，直接口述会议纪要，转完就是结构化的 Markdown，比手动记笔记效率高太多了。

---

• 

  jcmbo8rhv777

  —

  对比了一圈语音转 Markdown 工具，这个是在隐私和功能之间平衡得最好的。不用注册、不联网、不付费，还要啥自行车。

---

• 

  LaurenCruzSr

  —

  三个输出格式很实用，Markdown 写文档、纯文本记速记、HTML 直接预览，切换还很流畅。

---

• 

  TerryRiveraJr

  —

  试了 Gemma 3 和 Qwen3.5，个人感觉 Qwen 的格式化质量更好一些，Gemma 胜在速度快。

---

• 

  crazyswan128

  —

  GitHub 上看了源码，Igor 的代码质量不错。不过项目还比较初期，只有 41 次提交，有点担心后续维护能不能跟上。

---

• 

  itjpsxl6

  —

  试了 Edit 模式，说「把副标题改成 Weekly Notes」真的就改了，免键盘编辑的体验很神奇。不过精度还有提升空间，复杂指令有时理解不对。

---

• 

  Donald.GrayZ383

  —

  Append 模式太好用了，写长文档的时候延迟不会随着内容变长而增加，只追加新内容，这个设计很聪明。

---

• 

  JohanMortensen

  —

  跟 Typeless 比的话，这个胜在完全免费而且数据本地处理。不过 Typeless 开箱即用的体验确实更好，各取所需吧。

---

• 

  孔飞梅

  —

  iOS 版下载了，3.1 MB 的体积惊到我了。不过要 iOS 26 + iPhone 15 Pro 以上，我的 14 Pro 被精准排除，哭了。

---

• 

  DylanHicks_99

  —

  下载试了一下 macOS 版，配置过程对普通用户确实有门槛，得先装 whisper.cpp 和本地 LLM。但配好之后体验是真的爽，说话直接出结构化 Markdown，全局听写快捷键在任意应用里都能用。

---

• 

  ticklishswan803

  —

  一直在找 Obsidian 的语音输入方案，这个直接输出 .md 文件完美匹配。免费开源太香了。

---

• 

  CAhil

  —

  Product Hunt 上看到了 Speech To Markdown，免费开源的东西必须支持一下。看了一下 GitHub 仓库，架构思路很清楚，本地 Whisper 做转写、本地 LLM 结构化输出，数据完全不离机，这个隐私级别甩那些云端方案几条街。

暂无评论