对比

Loqua vs Typeless：面向上下文、编程和深度工作流的 Mac 原生 Typeless 替代品

Q: Loqua 支持 Cursor 和 Claude Code 吗？

支持。请查看我们关于 AI 编程语音输入 的指南。Loqua 会识别 IDE / chat panel 上下文，并把输出格式化成 prompt、重构指令或注释。

为想要应用感知格式、编程工作流和本地优先产品姿态的 Mac 用户准备的 Typeless 替代品对比。

Shuran Zhou, Founder · 2026-03-25 ·8 分钟 ·更新于 2026-03-25

要点速览

Typeless 是一款打磨成熟的跨平台听写产品，覆盖 Mac、Windows、iOS 和 Android。Loqua 是一款仅面向 Mac 的 Typeless 替代品，用平台广度换取深度：更紧密的 IDE 工作流、应用感知格式，以及对敏感音频和上下文路径采用设备端优先设计。如果你需要覆盖所有设备，Typeless 更合适；如果你的主要工作发生在 Mac 上，Loqua 是为了走得更深而构建的。

Loqua 是一款面向 Mac 的上下文感知语音输入工具。这篇对比面向正在评估 Typeless 替代品的 Mac 用户，而不是需要一款听写应用覆盖所有设备的人。Typeless 的广度值得肯定：它的公开网站表示可在 Mac、Windows、iOS 和 Android 上使用，数据控制页面也描述了带有限上下文信息的零留存云处理。

所以问题不是“Typeless 能不能用？”它能用。真正的问题是：对于开发者、写作者和 AI 编程用户，如果一天大部分时间都在同一个操作系统里，一个 Mac-only 产品能否做出更强的工作流判断。

概要表

维度	Loqua	Typeless
最适合	有技术写作、代码和 AI 编程 prompt 的 Mac 用户	希望桌面和移动端共用同一款听写产品的用户
平台	仅 Mac，Apple Silicon 优先	Mac、Windows、iOS、Android
上下文	活动应用、选中文本、相邻可见文本、按目标位置定制的输出形状	公开数据控制说明中提到有限上下文信息、应用上下文和相关文本
隐私姿态	核心音频/上下文层默认设计为本地运行；可选云功能明确可见	云处理，并在公开数据控制中声明零留存
代码工作流	注释、commit、PR 描述、Cursor / Claude Code prompts	通用且打磨良好的听写；技术深度取决于工作流
购买问题	我想要最好的 Mac 工作流吗？	我需要覆盖所有设备吗？

平台策略

Typeless 覆盖四个平台。如果你上班用 Windows 笔记本、通勤时用 iPhone、回家用 Mac 写作，这确实是客户价值。每个平台都有不同约束：iOS 需要自定义键盘，Android 使用输入法服务，Windows 有自己的 accessibility API，macOS 则使用 Accessibility 加 Neural Engine。在四个平台之间保持功能一致，意味着必须向最低公分母靠拢。

Loqua 只做 Mac，并且激进地利用这个焦点。我们可以依赖 Apple Core ML 做设备端推理，依赖 Accessibility API 读取屏幕，依赖 Spotlight 和 Universal Clipboard 处理跨应用工作流，也依赖 Apple Silicon 的 Neural Engine 达到让语音像即时输入一样的延迟预算。这些东西都无法干净地移植到 iOS 沙盒或 Windows ARM。所以我们选择不移植。

上下文深度

Typeless 不应该被简化成“音频进、转写出”。它的公开数据控制说明表示，它可以处理语音音频和有限上下文信息，例如应用和相关文本，并在处理后丢弃这些内容。这是一种有意义的上下文感知方案。

Loqua 的差异更窄：它为 Mac 界面和技术目标优化。它读取活动应用、选中文本、相邻可见文本和目标输出形状，再把这些信号转成格式决策。同一句话可以变成简短 Slack 回复、代码注释、conventional commit 或 PR 描述。

对于普通消息，两种方案都可以很顺滑。对于代码和 AI 编程 prompt，优势来自产品能安全解释多少周边工作界面。

你说（Cursor chat，可见选中代码）

"explain the bug and ask it to add a regression test before changing the implementation"

Loqua 写入（作为 Cursor prompt）

Context: use the selected code as the failing path. First explain the likely bug, then add a regression test that captures current behavior. Do not change the implementation until the test fails for the right reason.

编程级输出

面向代码的语音输入，与面向聊天的语音输入不是同一个标准。标识符必须拼对，大小写必须符合语言惯例，注释语法要正确，commit message 和 PR 描述也有形状要求。Loqua 的技术词汇层就是为这些场景构建的：库名、模型名、函数名和文件路径应该自然输出正确，而不是逼你逐个 token 拼读。

你说

"add a fixture for sqlalchemy session that uses an in-memory sqlite database and yields then closes"

Loqua 写入（在 VS Code, Python file 中）

@pytest.fixture
def session():
engine = create_engine("sqlite:///:memory:")
Session = sessionmaker(bind=engine)
s = Session()
yield s
s.close()

Typeless 擅长干净正文。代码形状的输出是另一种训练目标。

模型栈

Typeless 公开描述的是云处理和上下文处理，而不是完整模型架构。因此不应该把它描述成“Typeless 只是 ASR”。更公平的区别是架构姿态：Typeless 优化的是一致的跨平台云体验，而 Loqua 优化的是 Mac 本地流水线和任务特定层。

Loqua 的栈把语音识别、语言智能和多模态上下文分开。上下文层是楔子：它把语音输入从“转写我说了什么”变成“在我想表达的位置写出我真正想说的内容”。研究层面的直觉可以看我们的深入文章：语音遇见视觉：用于听写的全模态模型。

准确率与速度

Loqua 当前内部目标是在 Apple Silicon 上达到约 200ms 端到端延迟，对领域内技术词汇保持高命名实体准确率，并在受支持语言条件下保持低个位数 WER。这些是内部基准和 dogfooding 数字，不是公开第三方对测。

Typeless 在公开网站上报告了很强的通用听写质量，但没有相同基准方法时，数字化正面对比会显得虚假精确。我们观察到的有用定性差异在于技术词汇和目标位置感知格式：文件路径、库名、commit 形状和 prompt 结构。

语言混合

跨平台工具通常通过一次激活一种语言来处理多语言：你告诉工具现在是普通话模式，它切过去。Loqua 支持句中混合：说 “this fixes the 那个 race condition in session_manager when 用户 logs out twice” 可以得到干净的混合输出，不需要切模式，因为语言智能层是为 code-switching 训练的，而不是绕开它。

你说（和双语同事的 Slack DM）

"那个 PR 我看了大体OK 就是 cache invalidation 的逻辑要再看一下边界 case 可能漏了"

Loqua 写入（在 Slack 中）

那个 PR 我看了，大体 OK。就是 cache invalidation 的逻辑要再看一下 —— 边界 case 可能漏了。

定价

Loqua：免费层（核心听写、智能清理、基础上下文）+ 年付 $8/月或月付 $12/月。Typeless：官网上的订阅定价——请查看 typeless.com 获取当前细节。两者都有免费入口。如果你的工作主要在 Mac 上，价格差距的意义会变小；如果你分散在四个平台，Typeless 用一张账单覆盖更多设备。

谁应该选哪个

如果你在正常工作日里会在 Mac、Windows、iOS 和 Android 之间切换，且听写负载主要是通用英文办公写作，选 Typeless。跨平台一致性是实际价值，不要低估。

如果你长期在 Mac 上工作，写代码或技术内容，重视屏幕感知上下文，需要 EN+中句中混合，或因为延迟/隐私原因想要设备端优先的栈，选 Loqua。

我们是一个由算法研究者和 AI 产品日常使用者组成的小团队。我们先试了广泛的跨平台工具，后来构建 Loqua，是因为我们想要的 Mac 深度体验并不存在。如果你需要的是深度，第一小时就会感觉到差异。如果你需要的是广度，Typeless 是合理选择——选与你一天工作形状匹配的工具。

常见问题

Loqua 会推出 Windows、iOS 或 Android 版本吗？

当前路线图没有。Loqua 的栈依赖 Apple Silicon 的 Neural Engine 处理设备端部分，也依赖 macOS Accessibility API 获取屏幕上下文。Windows 或移动端移植需要重做推理流水线，并接受平台特定的功能缺口。如果需求足够强，我们可能重新评估；现在 Typeless 和其他一些跨平台工具是合理选择。

我可以导入 Typeless 个人词典吗？

Loqua 的 NER 设计目标是不依赖显式词典也能处理大多数技术词汇，所以导入并非必要。如果你有很长的自定义术语列表，可以在 Settings 的 Personal Dictionary 中添加，一行一个词条。

Loqua 如何处理不同应用？

Loqua 通过 macOS Accessibility API 读取活动应用、选中文本和相邻可见文本。然后按场景格式化输出：Notes 里的项目列表、VS Code 或 Cursor 里的代码注释、Gmail 里的专业段落、Slack 和 iMessage 里的轻松消息。不需要手动切模式。

Loqua 可以离线工作吗？

Loqua 的核心设备端部分设计为无需互联网连接即可工作。可选云功能，例如更长改写或部分翻译，需要网络访问，并且可以关闭。

Linux 呢？

和 Windows 一样：目前没有 Linux 版本计划。对 Core ML 和 Apple Neural Engine 的依赖是结构性的，不是偶然选择。

Loqua 如何处理口音和方言？

Loqua 在我们支持的条件下测试带口音英语和混合语言输入。我们不会承诺覆盖所有口音；关键工作流建议用你真实的麦克风、口音和环境测试后再选择任何听写产品。

免费层限制是什么？

免费层包含核心听写、智能清理和基础上下文检测，并有适合中等使用量的每日上限。Pro 移除上限，并解锁完整多模态上下文、完整个人词典和听写历史。开始使用不需要信用卡。

Loqua 支持 Cursor 和 Claude Code 吗？

支持。请查看我们关于 AI 编程语音输入的指南。Loqua 会识别 IDE / chat panel 上下文，并把输出格式化成 prompt、重构指令或注释。

今天就试试 Loqua

免费开始。Mac 原生。由每天都在使用它的算法研究者打造。

下载