不付按次云 API 费用不等于零成本。本地语音、FTS/RRF、量化 GGUF 和手机硬件都有适配边界。本文依据 RecalAI/Lunest 现有代码与 iPhone 13 的实际使用反馈整理,不把约 99% 主观准确性写成标准化 CER 实测。
“免费离线语音助手”既能识别、播报,又能本地 AI 问答吗?这听起来是一个成本问题。真正开发过移动 App 才会发现,它同时是机型覆盖、语言支持、模型常驻内存、系统音频会话、数据归属和退出策略的问题:没有按 Token 交钱的账单,不代表用户不需要下载模型、手机不会发热,也不代表平台提供的“离线优先”一定不会联网。
我的两个产品目标恰好代表两种难度。RecalAI 需要让私人文档在设备上可检索、可引用;Lunest 需要稳定播放、睡眠检测与中断恢复。它们都希望减少对云推理的依赖,但前者的正确性来自“资料检索与引用”,后者的正确性来自“音频生命周期不中断”。因此,一条免费方案不能简单复用到所有功能上。
本文结合已核对的项目代码与公开 SDK 文档:RecalAI 已有端侧语音、转写和朗读实现,但没有在 iPhone 13 或多款 Android 机型上完成所述新旧方案的统一实测,也不能把候选 Google 新语音 SDK 写成已交付的新功能。 如果想先了解 Google 2026 年 11 月更新的语音接口及局限,可读离线语音识别与 TTS 的设备支持、兼容和失败恢复;如果关心付费云模型如何分工,另见Gemini 4 Hydrogen、Argon、Carbon 在工程任务中的模型路由。
先交代项目的真实起点:哪些已经在用,哪些只是升级候选
不需要为了写“免费方案”而把 RecalAI 和 Lunest 当成尚未开发的产品。核查当前代码后,我们已经有相当多可以直接作为工程案例的端侧能力。下面的“已实现”指代码路径存在,不代表所有端和目标设备都完成发布验收,也不意味着这些功能在所有机型上必定可用。
| 功能 | 实际项目状态 | 还缺什么 |
|---|---|---|
| RecalAI iOS/iPadOS 实时语音输入 | 已有代码:PMSpeechInputController 申请权限,检查系统端侧识别能力并设置强制端侧识别;不满足条件则返回不可用 |
目标语言、首包资源、离线长时间运行、中文识别精度等跨机型记录 |
| RecalAI Android 语音问答入口 | 已有代码:OnDeviceVoiceInput 使用平台 createOnDeviceSpeechRecognizer,不靠 EXTRA_PREFER_OFFLINE 假装网络识别被禁用 |
Android 系统版本/厂商/语言覆盖的真机矩阵 |
| RecalAI 导入音视频转写 | 已有代码:iOS 端按约 50 秒切段并保留受保护检查点;Android 端要求 Android 13+ 及本机识别可用,以约 30 秒分段得到带片段时间标记的内容 | 同一录音语料上的 CER、时间轴误差、错误恢复;分段时间并非逐词精准标记 |
| RecalAI 语音朗读 | 已有代码:Android OfflineAnswerReader 使用系统 TTS 但排除网络声音和未安装声音;iOS 学习卡使用 AVSpeechSynthesizer |
不同语言声音包离线可用性;不是所有端的所有问答页面都已经统一使用 TTS |
| 本地知识库与生成 | 已有代码:Android HybridSearchEngine 的 FTS/稠密检索与 RRF、MediaPipe EmbeddingGemma、LiteRT-LM EmbeddingGemma 2;iOS 通过 llama.swift/llama.cpp 使用 GGUF;macOS 有本地推理与整库总结检查点 |
多型号机型间的质量/内存对比,向量迁移完成度和完整真机验收 |
| RecalAI Agent 与自选云模型 | 已有代码:三端有不同程度的 Agent 元数据操作、证据约束与人工确认;Android 支持多个云供应商的 BYOK、单项授权,Gemini 预设仍为 gemini-2.5-flash |
不应据此宣称“任意文件自主修改 Agent”已经全端上线,也没有 Gemini 4 三模型任务 A/B |
| Lunest 睡眠核心 | 已有代码:iOS/Android 处理音频中断和播放恢复,识别鼾声/疑似睡眠讲话等声学事件,结合已授权的 HealthKit/Health Connect 本地信息 | 整夜多机型稳定性验收;疑似梦话事件不是语音转写,尚无通用语音指令助手的实现证据 |
| Google 新 ML Kit GenAI ASR/TTS、sherpa-onnx、whisper.cpp、云语音 API | 仅作为独立候选:当前仓库未发现上述新 GenAI ASR/TTS 依赖或 sherpa/whisper 的集成;现用 Android MediaPipe/LiteRT 是检索 Embedding 路线,不等于已经接入 Google 新语音 API | 真实需要时再确定权重、语言、设备兼容性、商用许可、成本和隐私同意 |
从这些实现可以看到,当前免费的基本链路并不是纸上谈兵:RecalAI 可以将系统端侧听写接到已有的本地检索和模型回答,再按页面条件使用本地 TTS;Lunest 则已将睡眠音频和本地事件检测置于独立生命周期中。 但“有代码路径”与“完整语音 Agent 已交付”仍必须区分。对 Google 新发布 API 的逐项限制,参见离线 ASR/TTS 在 RecalAI 和 Lunest 的现有代码与升级边界;收费 Gemini 主要用于复杂推理或工程工作流,参见Gemini 4 模型路由与实际任务成本。
真实使用反馈:准确率接近目标,速度还没有达到目标

图示:约 99% 的识别准确性属于开发者主观估计,并非统一语料的 CER 测试。
源码能证明功能路径存在,实际体验则告诉我们哪一条路径值得优先优化。项目开发者的近期反馈是:当前端侧语音识别的主观准确率约 99%,本地搜索体验尚可,但在 iPhone 13 上整体响应偏慢。它不等于正式 CER 测试
426



被折叠的 条评论
为什么被折叠?



