谷歌面向部分用户测试 macOS 客户端重大语音升级，推出三大核心功能：系统级语音听写，支持全局快捷键在任何应用中实现语音转文字输入；“魔法指针”，让 Gemini 实时追踪光标悬停内容，确保视觉与逻辑同步；以及多设备连接菜单，暗示未来跨桌面协同。此次还重新设计了 Gemini Live 界面。
谷歌在2026年Android Show上推出基于Gemini多语言模型的AI语音听写功能“Rambler”，集成于Gboard键盘中。该功能可自动过滤语气词，并实时理解自然语言更正，如用户中途修改时间或地点时，模型能精准识别并输出正确指令，标志着系统级输入法进入生成式语义理解时代。
谷歌推出iOS离线语音听写应用Google AI Edge Eloquent，基于轻量化模型Gemma实现本地处理，无需网络即可运行，既保护隐私又提升效率。应用能自动润色转录内容，解决语音转文字中常见的废话多、语句不通顺问题。
Speechify发布原生Windows客户端，从文本转语音工具升级为全栈语音助手。应用集成三类本地AI模型，支持跨应用实时听写与文档转录，对标Superwhisper等竞品。为保障响应速度与隐私，在Copilot+ PC等高性能设备上支持完全本地化运行，用户无需上传音频至云端，即可利用本地NPU或GPU驱动的Whisper模型。
适用于Mac的免手持听写应用，可通过语音输入、编辑和发送文本，免费试用。
Claude Code高级语音听写，速达4倍，转录快，14天免费试用。
Windows系统级AI语音听写、文本与图像处理软件，免费使用。
Wispr Flow实现无缝语音听写，让写作快速清晰，是语音输入的最佳方式。
Alibaba
$8
Input tokens/M
$240
Output tokens/M
52
Context Length
$3.9
$15.2
64
$15.8
$12.7
-
Bytedance
$0.8
$2
128
$2.4
$12
8
Tencent
32
$3
$9
$1.6
$10
$1.5
Xai
$21
$105
Openai
$3.5
$10.5
16
Baidu
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
Join Now
