核心用法
yap 是一款基于 Apple Speech.framework 的 macOS 命令行语音转文字工具，专为 Apple Silicon 优化。核心命令简洁直观：
yap transcribe /path/to/audio.mp3 # 基础转录 yap transcribe video.mp4 --srt -o out.srt # 生成字幕文件 yap transcribe audio.m4a --locale zh-CN # 指定中文识别
支持 MP3、M4A、MP4 等常见音视频格式，输出格式可选纯文本（--txt）或 SRT 字幕（--srt），并内置敏感词过滤（--censor）功能。
显著优点
1. 零模型依赖：直接调用系统级 Speech.framework，无需下载 GB 级别的 Whisper 模型
2. Apple Silicon 深度优化：原生框架在 M 系列芯片上跑满 NPU/GPU 性能，转录速度显著快于 Whisper
3. 极低开销：内存占用远低于自托管方案，适合长时会议录音处理
4. 无缝系统集成：自动使用 macOS 已安装的语音包，支持离线运行
潜在局限
- 系统版本门槛：强制要求 macOS 26 (Tahoe)，旧系统无法使用
- 语言覆盖受限：识别语言取决于用户安装的 Apple Speech 语音包，小语种支持可能不完整
- 功能精简：无说话人分离、无时间戳微调、无置信度输出，纯基础转录场景
- 平台锁定：仅限 macOS，无跨平台可能
适合人群
- 高频处理中文/英文/主流语种音频的 macOS 开发者、播客创作者、字幕组
- 追求"即装即用"、反感模型管理的效率用户
- 需要离线环境运行的隐私敏感场景
常规风险
- 依赖 Apple 云端/本地混合识别策略，敏感内容建议开启
--censor并审慎评估 - 系统语音包更新节奏不可控，识别质量可能随 macOS 版本波动
- 开源项目（GitHub/finnvoor/yap）处于早期阶段，API 稳定性待观察