先说结论：Huh? 这个产品想法我买单，5 美元我也买单。这篇开发日志里真正值钱的东西，在他列出来的那几个坑里，跟产品本身没多大关系。
先把一处落差拍了。正文说 5 美元对早期用户是好做的决定，公证打磨完之后大概落在 12 到 15。落地页上现在标的是 24。
三个数字，没一个是「现在掏多少钱」。24 买不到东西——公证还没过，陌生 Mac 上装会被 Gatekeeper 拦下来，这条作者自己在评论区认了，正卡在里面。5 也不是个真价，它配的前提是「完成公证之后会变成别的数」。
这届文案的毛病不是吹，是没对齐。😑
不过这篇本身得说句公道话，比大多数同类诚实。作者写「没做 AI 助手」，写「这是个回退按钮」。这年头一个菜单栏工具能忍住不往自己脸上贴 AI 标签，我给他记一分。
真正让我坐下来写这篇的，是那几条故障。
签名那一坑
ad-hoc 签名，codesign -s -。
tap 能起来，不报错，不弹权限框，返回全是零。
读到这条我停了半天。这坑阴在它不阴你。不崩，不抛异常，不写日志。TCC 把权限绑在签名身份上，而 ad-hoc 签名没有身份，系统从头到尾就没做过一次授权决定——tap 看起来比谁都健康，拿到的是空气。
开发阶段他用一个本地证书脚本绕过去。给陌生人分发还得 Developer ID 加公证。对，这就是那个 24 卖不出去的原因。
苹果自己的转录器
条件：requiresOnDeviceRecognition 打开。
喂一段 107 秒连续语音，识别器吐回来两段时间戳，0.00–30.03 和 60.06–83.76。后半段叠在前半段上面。
点一下末尾那个词，跳到开头附近去了。
而 Huh? 的缓冲最长 2 分钟。这个缺陷落在产品的能力范围里，不是边缘场景——功能必然不可用，没有绕过去的余地。
他切成约 40 秒的片段，在边界附近找最安静的点下刀，顺序转录，时间戳加偏移。这方案我认为是对的：先承认引擎的边界，再在边界上做文章。
顺手说一句，「端上」不等于「能用」。两件事，经常被混成一件。
Whisper 在 Intel 上
同一个通用二进制，两个切片。arm64 退出码 0，x86_64 在模型加载阶段退出码 139。
崩溃。
他干脆在 Intel 上不给这个选项。这个决定我完全支持——崩掉比少一个菜单项难看得多。
插上蓝牙之后
回放走到一半，连上蓝牙耳机。界面显示 0:18，实际音频在别的地方。暂停按下去，有时候显示还在播。
启用了后台系统捕获的时候尤其明显。
根子在播放头跟着墙钟走，而不是跟着播放器的采样时钟走。修复就是换过来，加 generation token 挡掉过期的完成回调，用 .dataPlayedBack 判断真结束。
这条我熟。做回放的人早晚要交这笔学费，区别只在于交在学习阶段，还是交在用户手上。
数字
「轻量级」「高效」这种词我一律当装饰看。这次作者自己把数摆出来了。
M1 Pro，16 GB，120 秒缓冲：
启动后空闲 ~13 MB
环形缓冲写满 +16 MB
Apple 转录稳定后 ~46 MB
加载 Whisper Base 后 ~200 MB
空闲回收后 ~90 MB
48 kHz 音源下，2 分钟缓冲约占 22 MB。他还专门写了一段，说 Whisper 流水线在最后一次使用约 150 秒后释放——不能因为中午用过一次，就让一个大模型常驻内存。
这几行比任何产品形容词都好使。评论区那句「Whisper 模型很轻」，得看是哪一档。
引擎对比：186 秒语音，Apple 引擎 427 个词、约 25 秒；Whisper 450 个词、M 系列上约 1.8 秒。
差距很大。但我要挑一句：这组数据没给 WER，词多 23 个不等于更对。作者自己在人名和网址上给了理由，那个理由我信——注意，是我信，不是数据说的。这两者别混。
实时线程那一段
写环形缓冲那节也值得看。write 跑在 CoreAudio 的实时 IO 线程上，这条路径里不能加锁、不能分配内存、不能打日志，共享状态只用原子量，存储是一次性分配的裸指针。
在实时线程路径里出现一次锁、一次日志调用或者一次 ARC 引用计数操作，就是一声能听见的爆音。这是工程问题，不是代码风格问题。这句话建议打印出来贴显示器上。
他还削掉两处冗余拷贝：一处是整个快照存完整的 AVAudioPCMBuffer 再切片，一处是重采样到 16 kHz 之前先复制整个 48 kHz 窗口。都不是什么高级优化，就是把不该复制的别复制。
那几件我认的事
密钥是 base64 载荷加 base64 Ed25519 签名，用编译进程序的公钥本地离线验，不依赖激活服务器。购买走 webhook 签发、邮件送达，应用本身不联网解锁。
营销官网上跑了 PostHog，应用里没有——他还专门把这点写清楚。
这类披露方式比一堆闪光的认证标志管用。
定位也稳。YouTube 有回退键，Zoom 没有，播客应用做得很差，而菜单栏工具能跨应用跟着你走，不用你事前开好一个屏幕录制并一直写盘——为了「刚才漏听一句」这个场景，屏幕录制那套太重了。
对。
锐评评分卡
这钱花得冤不冤？
现在不冤，也不是值——是压根花不出去。公证没过，没有试用模式，密钥不输入连音频 tap 都不启动，引导顺序是先给密钥、再给权限、最后选音源。一个陌生人现在拿到的是：一个装不上的东西，装上了也没法先试，标价 24，而作者实际想法是 5 到 12 至 15。
等公证过。
过了之后也别冲着「AI 转录」这四个字去，冲着你自己的三个真实场景去：一场全是人名的会、一段全是网址的讲座、一次中途插蓝牙的通话。喂完再掏钱。
至于这篇文——值得看，但别盯着那个按钮，看他的故障清单。那部分才是他真正花掉的几个月。