iOS 端声控提词器已公测

请帮我重点测试：哪里该翻没翻、不该翻却翻了，语音指令没听懂或误触发，语音容错是否可以接受。

01

语音跟读

识别结果实时和讲稿比对，阅读线始终对准正在念的那一行（可设置多行）。念错几个字、多一个字少一个字、跳过一句，它都能接着跟上。中途喝水、和观众聊两句，回到稿子上它会重新跟上（重点测试）。

语音指令

写死了一个唯一唤醒词进入指令模式，只要你特意说“进入指令模式”，字幕立即停住，进入手动模式。此时屏幕会显示指令模式提示，接着可以说向上一行向下一行回到首行去到尾部。指令模式下说切换自动跟随就可以返回语音跟读模式。念稿过程中只认唤醒词，其他指令不会被稿子里的字误触发；如果讲稿里本来就有唤醒词，念到它也不会过分触发（理论上概率很低）。这个模式适合录播，直播不推荐使用。

麦克风支持

支持 iOS 设备自带麦克风，支持 USB 外置麦克风（我本地已测试过大疆，声刻，SmallRig 等多个型号）。使用 USB 麦克风可以最大程度上减少外部噪音干扰。

视觉领先

一行快念完时，下一行就提前移到阅读线上。眼睛读完这一行可以直接接着往下读，不用等屏幕，做了三挡向下滚动的调节（当前行念完，快念完，念到一半）。

手动接管

支持蓝牙翻页器、键盘和触屏。任何一次按键或拖动都会立刻停下自动跟随，想恢复自动时再显式“交还”。翻页器的按键都能盲按，方便手动操作。

备稿

导入文稿后，按标点和换气位置自动断成一行一口气的长度。必须念准的词（品牌、型号、价格）点一下就标红，提词时显示为红字提醒。支持多选合并、拆分和撤销。稿子支持中文，中文夹杂英文，英文三种。

中英双语

界面有简体中文和英文两套，在设置里切换，不用重启。语音指令跟着讲稿语言走：中文稿说中文指令，英文稿说“enter command mode”“next line”这类英文指令。（当前英文模式下暂时应该还没有适配英语指令）

提词显示

全屏统一字号，长句自动换行。已读的行变绿，阅读区内白色高亮，未读的行灰色。支持 45° 玻璃镜像，指令面板和倒计时会跟着一起镜像。另有定速滚动模式，开播前有“开始”按钮和三秒倒计时。

02

端侧识别

使用 Apple 在 iOS 26 推出的 SpeechAnalyzer框架，设备支持时用 SpeechTranscriber，较老的设备（如我手上的 2018 款 iPad Pro）自动改用 DictationTranscriber。全程不需要服务器，音频和文稿都不出设备。

拼音层容错

中文识别的错字大多是同音字，所以讲稿和识别结果都先转成无声调拼音再比较。在这之上，加了多音字表和模糊音（zh/z、n/l、前后鼻音），数字也统一读法，例如“2024”“二零二四”“两千零二十四”会被当成同一个数。英文按单词比较，逐个字母念出的缩写也能对上。

局部对齐与单调游标

用识别流的最新一段和讲稿在游标附近的窗口做局部序列对齐（Smith-Waterman）。置信度够、证据够才前进，并且只前进不后退；对不上就原地等待。连续多次对不上会自动降级为手动，并在状态灯上显示出来，系统不会自己把位置跳到别处。每次判断约 0.08 毫秒。

固定字号排版

换行用动态规划计算，优先在标点后断开，同时让各行长短均匀，并遵守中文标点不出现在行首的规则。

PRIVACY · 隐私

只记录“行号、置信度、决策”这类结构信息，不保存识别文本，也不录音。本应用的语音识别在您的设备本地完成（Apple SpeechAnalyzer），音频与文稿不会上传至任何服务器；不收集、不存储、不分享任何音频或文稿内容；诊断信息（如崩溃日志）不含文稿文本；您可在系统设置中随时撤销麦克风与语音识别权限。

我是 摇摆时间线，数字影像工程师，热衷于分享 AI 与影视一线的观察。

如果你觉得今天这篇有收获，欢迎点赞、在看、转发三连，我们下篇见。