AI 语音转文本工具对决：Google AI Edge Eloquent vs Trilium Catalyst
-
AI 语音转文本工具对决：Google AI Edge Eloquent vs Trilium Catalyst
随着 AI 技术的飞速发展，语音转文本（ASR）工具已经从简单的“逐字记录”进化为具备“理解与润色”能力的智能助手。今天，我们将对比两款极具代表性的 AI 语音/内容处理工具：谷歌悄然推出的移动端听写神器 Google AI Edge Eloquent，以及 BraveDAO 开发的专注于构建知识库的强大内容摄取引擎 Trilium Catalyst。
一、 软件简介
Google AI Edge Eloquent 这是谷歌于 2026 年 4 月在 iOS 平台低调上线的一款实验性语音输入应用。它主打“离线优先”与“智能润色”，利用边缘侧 AI 技术，将用户的口语实时转化为专业、精炼的文本。它被视为对标 Wispr Flow 等付费 AI 听写工具的免费破局者。
Trilium Catalyst 它是 Trilium AI 生态系统中的多源内容摄取引擎。它的核心使命是将音频文件、YouTube 视频、实时录音等非文本内容，通过自动转录和 AI 润色，一键归档到 Trilium Notes 知识库中。它不仅仅是一个听写工具，而是一条完整的“内容捕获-AI处理-知识归档”自动化流水线。
二、 核心功能与技术对比
1. 输入源与使用场景
- Eloquent：专注于实时语音输入。适合在通勤、做家务或需要快速记录灵感时，直接对着手机说话。它能智能过滤“嗯”、“啊”等语气词，并修正自我重复，输出逻辑通顺的草稿。
- Catalyst：主打多源内容摄取。除了无时间限制的网页端实时录音外，它还支持本地音频文件批量处理（支持 WAV, MP3 等几乎所有主流格式）以及 YouTube 视频链接智能提取（优先提取多语言字幕，若无字幕则自动下载音频并转录）。
2. 底层技术与模型
- Eloquent：基于谷歌的 Gemma 模型进行本地离线语音识别，确保极低的延迟和绝对的隐私。同时提供“云端模式”，可调用 Gemini 模型进行更深度的文本优化。
- Catalyst：音频转录基于高精度的 Whisper 模型（提供从 Base 到 Large V2 四种精度选择），数据同样在本地处理。它作为 Trilium AI Chat 的子插件运行，共享 AI 模型集成层，并结合 YouTube API 实现智能回退策略。
3. 结果输出与生态联动
- Eloquent：输出高度精炼的文本草稿，支持从 Gmail 导入联系人或自定义专业词汇以提高准确度。应用内提供语速统计和全文检索，更像是一个独立的个人生产力工具。
- Catalyst：深度绑定 Trilium Notes 知识库。无论是录音、音频文件还是长达两小时的 YouTube 演讲，处理完成后都会自动排版并一键保存为知识库笔记，或者直接发送至 AI 聊天窗口作为对话输入，是知识管理系统的前端基石。
4. 平台与局限性
- Eloquent：目前处于实验阶段，仅限 iOS 和 M 系芯片 Mac，暂无 Android 产品；仅支持英文，暂不支持中文；且存在地区限制（主要在美国发布）。
- Catalyst：基于浏览器和 Trilium 插件生态，跨平台能力更强，且支持多语言（包括 YouTube 中英文字幕提取与自动回退）。
三、 小结
Google AI Edge Eloquent 代表了 AI 从云端向边缘侧（设备端）转移的趋势。如果你是一个苹果生态用户，主要使用英语，并且需要一个免费、离线、即开即用的随身智能听写板，Eloquent 是无与伦比的选择。
Trilium Catalyst 则代表了知识管理的自动化未来。如果你是一个重度知识管理爱好者、需要频繁整理播客、讲座录音或 YouTube 学习视频，并且正在使用 Trilium Notes，那么 Catalyst 将为你省去无数复制粘贴和手动整理的时间，是构建个人知识库的终极利器。
-
0 回复
歡迎留言回复交流。
Log in to reply.