WhisperDesktop 停更了！2026 年最佳本地離線語音轉文字工具推薦（Vibe、Buzz、Handy）

說到用 AI 把語音自動轉成文字，很多朋友第一個想到的就是 WhisperDesktop——安裝簡單、不需要 Python、在 Windows 上直接就能跑 OpenAI Whisper 模型。阿正老師當初也是靠這款軟體入坑的，覺得它真的是一個很方便的工具。

不過最近不少讀者問阿正老師，WhisperDesktop 好像很久沒更新了，還能用嗎？有沒有更好的替代品？這個問題問得非常好！原版 WhisperDesktop（Const-me/Whisper）的最後一個版本是 v1.12.0，停在 2023 年 7 月，之後就沒有再更新了，只支援到 Whisper medium 模型，新一代的 large-v3 和 large-v3-turbo 都用不上。

更需要注意的是：網路上有一個叫 whisperdesktop.com 的網站偽裝成官方，但這是仿冒站，官方 GitHub 已明確警告不要信任該網站！今天阿正老師就來幫大家整理 2026 年最值得安裝的本地語音轉文字工具，完全免費、資料不上傳雲端，隱私有保障。

一、Whisper 是什麼？為什麼需要 GUI 工具？

在介紹各款軟體之前，先幫大家快速科普一下背景。

OpenAI Whisper 是由 OpenAI 在 2022 年開源釋出的語音辨識模型，用了整整 68 萬小時的多語言音訊資料來訓練，支援繁體中文在內的 99 種語言，準確度在當時可以說是業界頂尖。而且它完全免費、可以在自己電腦上執行，不需要花錢使用雲端 API。

但問題來了：Whisper 的官方版本是 Python 程式，要安裝 Python 環境、用命令列操作，對一般使用者來說門檻很高。這就是為什麼會出現各種 GUI（圖形介面）工具來包裝它——讓你點幾下滑鼠就能轉錄音訊，完全不需要打任何指令。

二、Vibe — 最好安裝、最適合新手

Vibe 是阿正老師目前最推薦給一般讀者的語音轉文字工具。它用 Rust + Tauri 開發，安裝檔大小僅約 44MB（Windows 版），完全不需要安裝 Python 或任何額外套件，下載 .exe 安裝就好，非常乾淨。

安裝完成後，第一次開啟時，軟體會引導你從內建清單下載 Whisper 模型（模型大小從 75MB 到 2.9GB 不等，按需選擇），之後就可以完全離線使用，資料完全不離開你的電腦。

Vibe 支援幾乎所有常見音訊與視訊格式：MP3、MP4、WAV、M4A、MKV、MOV、AVI、FLAC、OGG 等等，透過 FFmpeg 整合處理，不用另外轉格式。匯出格式支援 TXT、SRT、VTT 、HTML、MD…等字幕格式，會議記錄或影片上字幕都很方便。

Vibe 還有一個實用功能是批次轉錄，可以一口氣拖入多個檔案，讓電腦慢慢跑完，省時省力。

此外Vibe還可以直接擷取YouTube影片裡面的聲音，直接下載並轉錄，非常方便喔！

Vibe還提供了一個「總結」功能，可支援Ollama、Claude或其他OpenAI相容API，就能呼叫AI來將轉錄出來的稿子進行總結，省去了還要額外複製貼上到AI服務的步驟。

三、Buzz — 功能最齊全的開源老將

Buzz 是開源 Whisper GUI 工具中功能最豐富的一款，由獨立開發者 Chidi Williams 開發，在 GitHub 上累積了大量使用者。它最大的特色是支援多種 Whisper 後端引擎，包括原版 OpenAI Whisper、更快的 whisper.cpp（含 Vulkan GPU 加速）、faster-whisper（速度更快的最佳化版本），以及直接使用 HuggingFace 上的 Whisper 相容模型，甚至也能接 OpenAI Whisper API 雲端處理。

除了轉錄音訊檔之外，Buzz 也支援即時麥克風轉錄——你對著麥克風說話，它就即時顯示文字，還能顯示簡報模式視窗，適合在演講或活動中使用。匯出格式支援 TXT、SRT、VTT、CSV 等多種格式。

四、Handy  — 邊說邊打字的即時語音輸入

Handy 的定位和前兩款不一樣——它不是拿來轉錄音訊檔的，而是一款即時語音輸入工具，像一個「離線版的語音輸入法」。

使用方式很簡單：設定好快捷鍵之後，按著快捷鍵說話，放開之後它就會自動把辨識到的文字貼到你目前游標所在的任何輸入框——不管是瀏覽器、Word、記事本、LINE 還是其他 App，都通用。

Handy 除了支援 Whisper 模型（有 GPU 時用）之外，也內建了 Breeze ASR，這是一個針對 台灣華語最佳化的語音辨識模型，就算電腦沒有獨立顯卡，辨識速度也很快。

五、三款工具比一比

六、Whisper 模型怎麼選？

這三款工具都讓你自己選要使用哪個 Whisper 模型。模型越大，準確度越高，但需要的記憶體和時間也越多。以下是各模型的建議指引：

七、繁體中文辨識的重要設定

這是很多台灣讀者最容易忽略的地方！Whisper 模型預設輸出是簡體中文，如果你轉錄出來發現滿滿都是簡體字，不是軟體壞掉，而是需要做一些設定。

解決方法有兩個方向：

方法一：設定語言為 zh（中文）
在各軟體的設定裡，把語言選為「Chinese」或「zh」，這樣至少可以確保模型專注辨識中文，減少混入英文或日文的情況。

方法二：使用初始提示詞（Initial Prompt）
Vibe 和 Buzz 都有「初始提示詞」或「Prompt」的設定欄位。輸入以下這段文字，可以大幅改善繁體中文的輸出：

以下是用繁體中文（台灣）進行的對話或講述，請使用繁體中文輸出，不要使用簡體字。

八、阿正老師的總結建議