什么值得做
GitHub 开源项目 · 11-8 写
I
Infatoshi/phonon · Infatoshi

「我逆向了 Wispr Flow」:一条 13 万浏览的帖子,换来 286 颗星

它是什么 一个 Mac 上的开源本地语音输入:按住键说话,松开后用自训的小模型把口述改成你想写的话,按当前 App 切换语气,完全离线免费。

为什么火了 作者在 X 上发了「我逆向了 20 亿估值的 Wispr Flow,免费开源、快 8 倍」的帖子,带着延迟对比和盲评比分,被 AI 工程师圈收藏转发,再经多语种搬运号和 AI 简报扩散。

C你可以怎么跟 别再做一个语音输入;把「写规格、用便宜大模型造数据、微调小模型、本地跑」这套配方搬到另一个刚融大钱的付费窄任务产品上,用同机对比视频和盲评在 X 首发;或者做它没做的中文 / 中英混说版。

C 级:13.6 万浏览只换来不到 300 颗星,语音输入赛道已有几十个克隆和上万星的老项目;它被看见靠的是作者 4.5 万粉的号和「逆向 20 亿公司」的说法,跟进者大多拿不到,能学的是配方和发布方式。 小圈子里在传
数据(每天更新) · 建库 2026-07-21 · 367 星 · 7 天 +286
GitHub · 星数
010020030040010-2810-3111-0311-0511-08367
数据 2026-10-28 → 2026-11-08(12 天,12 次观测)。10-28 以前的点来自 deeply / 存档补录,不是每天都有

2026 年 11 月 5 日下午(美国时间,北京时间已是 11-06 凌晨 0 点 53 分),写过 freeCodeCamp CUDA 课的 Elliot Arledge 在 X 上发了一条帖子,第一句是「i reverse engineered wispr flow」:他照着刚以 20 亿美元估值融资的语音输入产品 Wispr Flow,用 DeepSeek 造了 7.7 万条训练数据,微调了一个 1.7B 的小模型,说效果和付费版差不多,免费、开源、全在 Mac 本地跑;同一批录音,松开按键到出字 65 毫秒,Wispr Flow 要 520 毫秒;「在办公室里来回踱步说了 6 分钟,也只要四分之一秒」。帖子最后一行是「built with claude opus 5.5 [xhigh]」,配的是一段动效演示视频。到 11-08,这条帖有 13.6 万浏览、2,812 个赞、3,566 次收藏,收藏比点赞还多。它的仓库 Infatoshi/phonon 之前 9 天一颗星没涨,停在 81;帖子发出后的三天里涨到 367。这篇讲这些星从哪来,为什么一堆「开源 Wispr Flow」里偏偏它被单独转发,以及你如果也想让自己的开源项目拿到 star,哪部分学得来。

它是什么

Phonon 是一个 Mac 上的语音输入工具:按住一个键说话,松开,整理好的文字就贴进你正在用的 App。它分两步:

  • 听:用 NVIDIA 开源的 Parakeet 0.6B 做语音转文字,跑在作者自己写的 Metal 内核上。
  • 改:作者从 LiquidAI 的 LFM3-1.7B 微调出一个「改写模型」,把口述改成你本来想写的话——听错的术语改对,「呃」「那个」和说到一半重来的部分删掉,你改口了就只留最后一版。

改写的语气跟着当前 App 走:Discord 里随意小写,Slack 和邮件里正式,在 Claude Code、终端和编辑器里写成清楚的 prompt。两步都在你说话时同时进行,所以松键时只剩最后几秒要处理。

装法是一行 brew install --cask,首次启动要下载约 4.9GB 的两个模型,之后完全离线。代码 GPL-3.0,改写模型和训练流程都公开在 Hugging Face 和仓库的 ml/ 目录里。Mac 是正式版;README 里已经有 Windows 测试版和 Linux 预览版,但 Parakeet 这一版只认英文。

星是从哪来的:作者一条帖,加一圈搬运

日期10-28 ~ 11-0511-0611-0711-08
星81(9 天没动)122321367
当天涨0+41+199+46

(GitHub 每日星数)

作者本人的帖是主引擎。 Elliot Arledge 在 X 上有约 4.5 万粉,本来就以讲 CUDA 和 GPU 内核出名,他的 cuda-course 有 4,175 颗星。听众是 AI 工程师,正好吃「融合 megakernel」「推测解码 drafter」「4 张 RTX Pro 6000 训的」这种细节。星数涨得最多的 11-07,正好覆盖帖子发出后的整整一天。

搬运号把它带出了英语圈。 阿拉伯语科技号 @EngMoElgaraihy(5.9 万粉)11-06 转述了一条,1.05 万浏览;西语、中文、日语、土耳其语的小号也各发了一条,说法都一样:「逆向 Wispr Flow,65ms 对 520ms」。同一天,AI 简报 AlphaSignal 发了一篇《Solo Dev's Phonon Beats Wispr Flow With 8x Faster Open-Source Voice Typing》。

没有的渠道同样说明问题。 Hacker News 上搜不到它,Reddit 没有专帖,没有媒体报道,也没上 GitHub Trending。这是一个只在 X 上的 AI 工程师圈子里传的项目。

底子是 8 月攒的。 那 81 颗星来自第一次发布:8 月 22 日作者发了初版,当时用的是 Google 的 Gemma 4 做改写;8 月 25 日 Google 官方号 @googlegemma 转发推荐「Fast and local voice typing with Gemma 4」,3.5 万浏览。大厂替自家模型找用例,顺手给了一次背书。11 月这次是换上自训模型的 1.0 二次发布。

真有人在用:11-05 以后来了一批陌生人的 issue 和 PR——加多语言 Parakeet v3、做 iOS 键盘、修 MLX 缓存每次听写涨 1GB 内存的泄漏、修热键误触。有一位贡献者一口气提了 5 个修复 PR。作者 11-08 发了 1.0.1,合了其中几个。Hugging Face 上那个改写模型累计被下载约 2,400 次(11-08),App 首次启动会自动拉它,可以粗略当作装机数的上限。

为什么一堆克隆里偏偏是它

「开源本地 Wispr Flow」不是新东西。今年 5 月以后,GitHub 上新建的、简介里写着 dictation、Wispr、voice typing 且超过 60 颗星的项目就有 40 多个。帖子下面有人引用说:「这是我第四次读到『有人做了个开源本地 Wispr Flow 克隆』了。」它能被单独转发,靠的是三样东西:

靶子选得好。 Wispr Flow 今年 8 月刚融了 2.8 亿美元、估值 20 亿(路透社 8-17),一个月约 15 美元。「一个人逆向了 20 亿估值的公司,免费开源,快 8 倍」,一句话就戳中了订阅疲劳和「软件护城河还剩什么」的焦虑。引用帖里满是「RIP wispr flow」「What is the MOAT nowadays」。

数字硬,能复核。 同一台 M4 Max、同一批录音的延迟对比;让 Claude Opus 盲评一小时讲座的转写,Phonon 胜 90 次、Wispr 胜 23 次;训练数据 76,960 条,写明「没有用我自己的听写」。工程师读到这种帖会先收藏,回头装。

技术上确实不一样。 多数开源同类只做转写,要改写就去接 OpenAI 之类的云端接口。Phonon 专门训了一个小模型来改写,自己写推理引擎,并且故意不让接远端模型(11-06 就有人提 issue 要求支持 OpenAI 兼容接口)。「在 Claude Code 里自动写成 prompt」这个场景,正好对上帖子的读者。

但要看清它拿到的量级。同一周,另一个本地听写项目 anomalyco/hex 7 天涨了 3,779 颗星,老牌的 cjpais/Handy 7 天涨了 2,057 颗,都是 Phonon 的 7 到 13 倍,它们只做普通转写。差异化给 Phonon 带来的是「被单独讨论」,不是规模。

谁在跟它抢

项目是什么规模(GitHub 星数,11-08)和 Phonon 比
Wispr Flow商业产品,Mac / Windows / iOS估值 20 亿美元,约 $15/月云端、闭源、收费;Phonon 拿它当靶子
cjpais/Handy开源本地转写37,919 星,7 天 +2,057跨平台、只转写,没有专训改写模型
anomalyco/hex开源本地听写(Rust)5,656 星,7 天 +3,779同一周爆的,背后有团队,声量大一个数量级
altic-dev/FluidVoice开源12,888 星也说自己训了改写模型,是最接近的对手
OpenWhispr开源10,933 星本地转写 + 自带 key 接云端改写
Beingpax/VoiceInk开源 + 付费7,045 星老牌 Mac 听写,改写多接外部大模型
zachlatta/freeflow开源3,055 星,HN 277 分默认走云端转写
SuperWhisper、MacWhisper、Aqua Voice、Willow商业未核实闭源付费
macOS 自带听写系统功能每台 Mac 都有免费,但不改写、不懂术语

它的短板也明显:只认英文;首次要下 4.9GB;README 自己写着 16GB 内存的 Mac 才能边说边改,帖子下有人问 8GB 的 Mac 怎么办;「质量相当」只来自作者用 Claude 做的一次盲评,有人质疑评审没听原始音频;「逆向」具体做到哪一步(只看了 Wispr 的输出,还是抓了它的提示词)没有公开。11-08 星数已回落到一天 +46。

你能学到什么

  • 挑一个刚融了大钱、按月收费的明星产品当靶子。 标题直接写「我逆向了 X,免费、开源、快 N 倍」,估值越高越好传。
  • 蒸馏这套做法可以换个靶子再用一次。 先写一份「好的输出长什么样」的规格,用便宜的大模型(DeepSeek)按规格批量造数据,微调一个 1–2B 的小模型,再做本地推理。凡是「窄任务 + 付费 SaaS」都套得上:改写、格式化、会议纪要、邮件回复、代码提交说明。
  • 发布物料要能让工程师收藏。 动效演示视频而不是录屏;同一台机器、同一批素材的延迟对比;一个模型盲评比分;一句「训练数据里没有我的个人数据」。
  • 先蹭一次大厂模型的官方背书。 用当红开源模型做 v0.1,让模型官方号转一次,攒下底子和安装渠道;再用自训模型做 1.0,当成第二次发布。

如果是你

一句判断: 能学到东西,但照着做一个语音输入不划算。13.6 万浏览只换来不到 300 颗星,赛道里已经有几十个克隆、两个上万星的老项目,还有同一周爆的 Hex;Phonon 能被看见,靠的是作者 4.5 万粉的号和「逆向 20 亿公司」这个说法,这两样你大多拿不到。

适合谁: 会微调小模型、写过推理优化的开发者,在 X 上已经有几千到几万的 AI 工程师读者;想用一个项目同时证明「我会训模型」和「我会做产品」的人。

不适合谁: 没有发帖渠道、想靠 GitHub 自然流量攒星的人;不碰模型训练、只想再包一个转写壳的人。「又一个本地听写」已经没人转了。

怎么做: 别做第 41 个语音输入。把它的配方搬到另一个还没人蒸馏过的付费窄任务上:挑一个最近融了大钱、按月收费、核心就是「一段文字进、一段文字出」的产品,写出规格,用 DeepSeek 造几万条数据,微调一个能在笔记本上跑的小模型,把延迟和盲评对比做成一张图。如果一定要在语音输入里做,就做它没做好的部分:中文和中英混说(Parakeet 这版只认英文,中文程序员口述代码和术语是真痛点)、8GB 内存也能跑的轻量版、或 iOS 键盘。

怎么获客: 主阵地是 X。帖子第一句写「我逆向了 X」,附同机对比视频和盲评比分,@ 你用的基座模型官方号(LiquidAI、Qwen、Gemma 都在找用例);再投 AlphaSignal 这类 AI 简报和 Hacker News 的 Show HN。做中文版就去 V2EX、即刻和 B 站发对比视频。

什么时候之前: 越早越好,三个月内。「把付费产品蒸馏成本地小模型」这个说法现在还新鲜,用的人一多就会像「开源 Wispr 克隆」一样没人转(推断)。

什么情况说明看错了: 换了靶子、有对比视频和盲评,帖子也有几万浏览,星数却还停在两位数,说明这类项目的星主要跟着作者本人的号走,配方本身拉不动;或者你选的那个付费产品先出了免费本地版,靶子就没了。

GitHub 仓库 ↗

研究底稿:竞品表、获客证据、完整研究报告
竞品
名字在哪上线规模它和这家不同在哪
Wispr Flow其他20242026-08 Series B 2.8 亿美元、估值 20 亿(Reuters);约 $15/月云端闭源收费;Phonon 拿它当靶子,本地免费、自称质量相当、延迟 65ms vs 520ms
cjpais/Handy开源2025-0237,919 星,近 7 天 +2,057跨平台通用本地转写,没有专训的按 App 改写模型
anomalyco/hex开源2026-07-175,656 星,近 7 天 +3,779(同周爆发)Anomaly 团队的 Rust 本地听写,三平台,声量远大于 Phonon;重转写不重改写
OpenWhispr开源2025-0610,933 星,近 7 天 +479本地转写 + 云端 BYOK 改写;Phonon 刻意不允许接远端模型
altic-dev/FluidVoice开源2025-0912,888 星同样宣称自训 AI enhancement + 本地 STT,是最接近的差异化;Phonon 多了自写 Metal 引擎和公开训练配方
Beingpax/VoiceInk开源2024-107,045 星老牌 Mac 本地听写,AI 改写多接外部 LLM
zachlatta/freeflow开源2026-023,055 星;HN 277 分默认云端转写
ghost-pepper / FrigadeHQ yap / Whispering / parrot开源2025-08~2026-073,241 / 467 / 4,840(总仓) / 1,374 星普通本地转写,无专训改写模型
SuperWhisper / MacWhisper / Aqua Voice / Willow其他2023~2025未核实闭源付费
macOS 自带听写 / Apple SpeechAnalyzer大厂功能—每台 Mac 都有免费但不改写、不懂术语
用户从哪来
  • 查实 作者本人 X 帖:11-05 x.com/elliotarledge/status/2118386115170496855:13.65 万浏览、2,812 赞、3,566 收藏、160 转、180 回复(X API);星在帖后一天 +199
  • 查实 多语种搬运号 / KOL 复述:@EngMoElgaraihy(5.9 万粉,阿语)1.05 万浏览;西语 @nikosolenne、中文 @keyiLeYi、日语、土耳其语、@thestartpod「TRENDING」等(X API)
  • 查实 AI 简报:AlphaSignal 11-06 文章,链接带 utm_source=alphasignal
  • 查实 大厂官方号背书(第一波):08-25 @googlegemma 推荐 Phonon 作为 Gemma 4 本地用例,3.5 万浏览、632 赞;留下约 80 星底子
  • 推断 HN / Reddit / 媒体:Algolia 与 Jina 搜索均无 Phonon 语音输入专帖或报道

Infatoshi/phonon(Phonon)为什么能跑出来

一句话:Phonon 是 Mac 上的开源本地语音输入(按住键说话,松开出字),Parakeet 转写 + 作者自己微调的 1.7B「改写模型」把口述改成想写的话。它在 11-05 突然涨星,几乎全靠作者 Elliot Arledge(X 4.5 万粉,freeCodeCamp CUDA 课作者)的一条 X 帖。那条帖的说法是「我逆向了 Wispr Flow,用 DeepSeek 造数据微调 LFM3-1.7B,效果追平付费版,延迟 65ms 对 520ms,免费开源」,13.6 万浏览、3,566 收藏。帖子再被阿语、西语、中文、日语的搬运号和 AlphaSignal 简报转了一轮。赛道本身已经很挤:同一周 anomalyco/hex 一周涨了 3,779 星,Handy 已有 3.8 万星。Phonon 拿到的星不多,它打动人的是「把付费产品的行为蒸馏成小模型」这个故事和工程细节,不是「又一个本地听写」。

1. 数据:涨在哪几天

日期(我们的 github 库,北京时间快照)star当日 +
10-28 ~ 11-05810(平了 9 天)
11-06122+41
11-07321+199
11-08367+46
  • 建库 2026-07-21;fork 34,open issue 8(数据卡)。
  • 11-05 以后的 issue/PR 多是陌生人提交的:多语言 Parakeet v3、iOS 键盘、MLX 缓存泄漏、热键 bug,jasonkneen 一人提了 5 个修复 PR。这说明真有人装了在用(GitHub issues 页,2026-11-08 查)。
  • Release 下载:v1.0.0(11-05)283 次,v0.1.7(8 月)156 次。但主推装法是 brew install --cask,brew 走自己的 tap,GitHub 下载数偏低。
  • Hugging Face 上 Infatoshi/phonon-refiner-1.7b 累计下载 2,399(10-30 建)。App 首次启动会自动拉这个模型,可以粗略当作装机量的上限参考(HF API,2026-11-08)。
  • 没上 GitHub trending。建库已 110 天,能上,只是涨幅不够。

2. 用户从哪儿来(增长手段)

第一波(8 月,约 80 星)

  • 08-22 作者首发 X 帖「Introducing Phonon! … parakeet and gemma 4」:2.3 万浏览、176 赞(X API)。
  • 08-25 Google 官方号 @googlegemma(11 万粉)转写推荐:「Fast and local voice typing with Gemma 4」,3.5 万浏览、632 赞、385 收藏(X API)。这是大厂给自家模型找用例做的背书。
  • 意大利博客 pasqualepillitteri.it 写过一篇「Phonon Brings Free, Local Voice Typing to Mac with Gemma 4」。
  • 这一波只留下约 80 星,10-28 到 11-05 平了 9 天。

第二波(11-05 起,+286/周)

  • 作者 X 帖(主引擎):2026-11-05 16:53 UTC,x.com/elliotarledge/status/2118386115170496855 。13.65 万浏览、2,812 赞、3,566 收藏、160 转、180 回复、28 引用(X API,11-08)。收藏比点赞还多,典型的「先存着回头装」。帖子用的是动效演示视频,不是录屏(回复里有人专门指出)。转推的账号里最大的是 @RayFernando1337(4 万粉)。
  • 多语种搬运号:
    • @EngMoElgaraihy(5.9 万粉,阿语)11-06 一条 1.05 万浏览
    • @nikosolenne(西语)849 浏览
    • @keyiLeYi(中文)、@yuna_aidev(日语)、@omercoskun_tech(土耳其语)
    • @thestartpod「TRENDING」、@Decoded08 等
    • 都是复述「逆向 Wispr Flow、65ms vs 520ms」那套说法(X API recent search)
  • AI 简报:AlphaSignal 11-06 12:15 UTC 发了一篇《Solo Dev's Phonon Beats Wispr Flow With 8x Faster Open-Source Voice Typing》,链接带 utm_source=alphasignal(alphasignal.ai)。
  • 没有的渠道:HN 搜不到 Phonon 语音输入相关的帖(Algolia;HN 上的 "Phonon" 都是 Gradium 的 TTS 或 fermion 的 ASR)。Reddit 没搜到专帖。没有媒体报道。没有付费推广的迹象。
  • 时间对得上:帖子是北京时间 11-06 00:53 发的,11-06 快照 +41,11-07 快照 +199(覆盖帖子发出后整整一天,外加搬运号和 AlphaSignal),11-08 回落到 +46。

3. 竞品(都在做「按住说话 → 干净文字贴进当前 App」)

产品在哪上线规模和 Phonon 的不同
Wispr Flow商业(Mac/Win/iOS)20242026-08 Series B 2.8 亿美元、估值 20 亿(Reuters 8-17、wisprflow.ai);约 $15/月云端、闭源、收费;Phonon 拿它当靶子,说自己质量相当、本地、免费
cjpais/Handy开源2025-0237,919 星,近 7 天 +2,057跨平台、只转写、可扩展;没有「按 App 改写语气」的专用模型
anomalyco/hex(原 kitlangton/Hex)开源2026-07-17(新库)5,656 星,近 7 天 +3,779,10-30 到 11-03 单日最高 +1,178同一周爆的本地听写(Rust、Mac/Win/Linux),背后是 Anomaly 团队,声量比 Phonon 大一个数量级
OpenWhispr开源2025-0610,933 星,近 7 天 +479本地 Parakeet/Whisper 加云端 BYOK 改写;Phonon 不允许接远端模型
altic-dev/FluidVoice开源2025-0912,888 星也宣称「自训 AI enhancement + 本地 STT」,和 Phonon 的差异化最接近
Beingpax/VoiceInk开源 + 付费2024-107,045 星老牌 Mac 本地听写,有 AI 改写(大多接外部 LLM)
zachlatta/freeflow开源2026-023,055 星;HN 277 分默认走云端转写
matthartman/ghost-pepper、FrigadeHQ/yap、EpicenterHQ Whispering、humanitas-labs/parrot开源2025-08 ~ 2026-073,241 / 467 / 4,840(总仓) / 1,374 星普通本地转写,不训练专用改写模型
SuperWhisper、MacWhisper、Aqua Voice、Willow、Monologue商业—未核实闭源付费
macOS 自带听写 / Apple SpeechAnalyzer + Foundation Models大厂功能—每台 Mac 都有免费但不改写、不懂术语;回复里有人问「为什么不用系统自带的」

星数来自我们的 github 库(11-08);Wispr Flow 的数据来自 Reuters 和官方博客。

赛道拥挤的证据:

  • 我们的库里 2026-05 以后新建、简介含 dictation / Wispr / voice typing 且 ≥60 星的库有 40 个以上:voicekey、blurt、Arion、Typeleast、betterwispr、SayIt、SpeakoFlow、Talkify……
  • X 上有人在 Phonon 帖下引用说:「这是我第四次读到『有人做了开源本地 Wispr Flow 克隆』」(@alvaro_mrgr,1,150 浏览)。

4. 为什么能跑出来

  1. 叙事是「逆向一家 20 亿估值的公司」,不是「又一个本地听写」。Wispr Flow 8 月刚融了 2.8 亿美元、估值 20 亿,正是热门靶子。「我逆向了它,质量相当,免费开源,快 8 倍」直接戳中订阅疲劳和「软件要免费了」的情绪。引用帖里大量是「RIP wispr flow」「What is the MOAT nowadays」「Another software startup is open source」。
  2. 有能验证的硬数字,还有可信的作者。帖里给了:
    • 65ms vs 520ms(同一台 M4 Max、同一批音频)
    • Claude Opus 盲评 90:23
    • 7.7 万条训练数据
    • 4 张 RTX Pro 6000 训的 DFlash2 推测解码 drafter
    • 融合 megakernel

作者本来就以 CUDA/内核教学出名(cuda-course 4,175 星、MegaQwen、kernelbench),听众正是吃这套工程细节的 AI 工程师圈。收藏 3,566 > 点赞 2,812。

  1. 技术差异化真实存在。多数开源同类只做「转写」,改写要么没有,要么接外部 LLM API。Phonon 是专门微调了一个 1.7B 改写模型,自己写 Metal 推理引擎,边说边转写边改写(松键只等最后一段),还按当前 App 切语气(Discord 随意、Slack 正式、Claude Code 写成 prompt)。「给 Claude Code 写 prompt」这个场景正好对上帖子受众,也就是用 AI 编程的人。
  2. 时机:
    • 同一周 anomalyco/hex 刚把「本地听写」炒热(11-01 到 11-03 单日涨上千),注意力是现成的
    • LFM3-1.7B、DeepSeek V4.1 Flash 这些便宜的小模型和造数据模型刚好可用
    • Gradium 10-20 开源的 Phonon TTS 同名,不确定是加分还是分流(见未知)
  3. 8 月的 Gemma 官方背书留下了底子。81 星、v0.1.x 版本和 brew tap 都是那时攒下的,11 月是「1.0 + 新模型」的二次发布。

5. 差异化,以及是不是它跑出来的原因

  • 差异化:不调云端 LLM,也不只是转写。它把「口述 → 想写的话」做成一个专用小模型(写出规格 → DeepSeek 照规格改写公开音频转写 → 微调 LFM3-1.7B → 自写 Metal 推理引擎加推测解码),所以能做到既本地又真改写,还快。代码 GPL-3.0,模型和数据集都在 HF 公开。
  • 是不是原因:是一半。决定 star 的主要是「逆向 Wispr Flow」这个说法和作者的号。论装机和口碑,Hex、Handy 这种普通本地转写一周拿的星是 Phonon 的 7 到 13 倍,所以单靠「本地 + 免费」根本挤不出来。Phonon 能在一堆克隆里被单独转发,靠的是「自己训模型 + 硬数字」这一层,这正好是它的差异化。但它目前只支持英文,首次要下 4.9GB,只在 16GB 以上的 Mac 上体验好(有人回复质疑 8GB Mac),扩散天花板很明显。

6. 被多少人看见

  • 小圈子里在传:作者 1 条主帖 13.6 万浏览,第二大传播点是阿语搬运 1 万浏览,外加 AlphaSignal 简报一篇。没有媒体,没上 HN,没进 trending。
  • 开源免费,没有收入可言。
  • 跟风者:还没看到专门仿 Phonon(复刻「蒸馏付费产品 → 小模型」做法)的库。有人提 PR 加多语言 Parakeet v3、iOS 键盘;34 个 fork 都是常规贡献。泛「开源 Wispr 克隆」本来就有几十个。

7. 别人能借鉴什么

  • 靶子选对:挑一个刚融大钱、按月收费的明星产品,标题直接写「我逆向了 X,免费、开源、快 N 倍」。估值越高越好传。
  • 蒸馏配方可复制:写一份「好输出是什么样」的规格,拿付费产品的输出当意图样例,用便宜大模型(DeepSeek)批量造改写数据,微调 1–2B 小模型,再上本地推理。凡是「窄任务 + 付费 SaaS」都能套:改写、格式化、摘要、补全。
  • 发布物料:动效演示视频(不是录屏),同机同素材的延迟对比,LLM 盲评比分,写清「训练数据里没有我的个人听写」。工程师圈会收藏这种帖,也会转。
  • 先用大厂模型做 v0.1,蹭官方号背书攒底子,再用自训模型做 1.0 二次发布。

8. 还不确定的

  • 「逆向」到底做到哪一步,是只看 Wispr 的输出、还是抓了它的提示词或接口,没公开细节。「质量相当」只是作者自己用 Claude 盲评一小时讲座得出的,有人质疑评审没听音频。
  • 真实装机量:brew tap 没有公开统计,HF 下载 2,399 也包含重复下载和 CI。
  • 和 Gradium Phonon TTS、Fermion Phonon-2 ASR 同名:在 X 搜 "phonon" 时混在一起,可能分流,也可能被误转。
  • 这波能不能留住:11-08 已回落到 +46/天。后面要看 Windows/Linux、多语言、iOS 能不能做成。

出处

文章由 AI 根据公开数据和我们每天采集的数据写成,数字带出处,推断已标明