Apple Watch 录音 + Mac 全自动整理：本地转写归档工作流完整拆解

Apple Watch 是随手记录想法的最佳设备之一：抬腕点一下语音备忘录，无需网络即可开始录音。但录完之后，同步、导出、转写、校对、归档这一连串动作往往比录音本身更耗时。本文分享一套已经实测跑通的自动化工作流：录音只要到达 Mac，后续的本地转写、文字校对、自动命名和按月归档全部无需人工干预，最终每条录音只保留一个原始音频文件和一个可直接阅读的校对文字稿。

从随手录音到自动归档的完整链路

整套方案的运行链路非常清晰：Apple Watch 语音备忘录通过 iPhone 与 iCloud 同步到 Mac，后台程序监测到新增录音后，先复制一份原始 m4a，再调用 whisper.cpp 完成本地转写，接着由 AI 工具校对文字并拟定标题，最后按年份和月份归档存储。这里需要分清两件事的边界：手表到 Mac 的同步由苹果负责，程序无法命令 iCloud 立即同步；程序真正负责的是后半段——只要文件到达 Mac，它就立即接手处理，全程无需打开任何操作界面。

原生录音入口与本地转写的参数权衡

录音入口没有重新开发，直接沿用 Apple Watch 自带的语音备忘录，好处是手表端可离线录制、操作足够简单。转写环节则不能只追求速度：实测多个 whisper.cpp 版本与模型组合后发现，小模型虽快，但关键词错误明显。最终选择的组合是 whisper.cpp 1.9.4、medium-q5_0 模型、Metal 加速、beam-size=1 并保留温度回退——温度回退尤其关键，长录音测试中发现关闭它会导致模型连续输出大量重复文字，而只测几十秒音频很难暴露这个问题。

工程落地要点与实测性能数据

从工程落地的角度看，这套方案有几个必须处理的细节。首先是权限问题：语音备忘录同步到 Mac 后存放在系统管理的私有目录，普通脚本会被 macOS 权限拦截，因此需要构建一个拥有完全磁盘访问权限的无界面本地 App，负责扫描新增录音、判断文件完整性、复制原始音频并记录处理状态以避免重复转写。后台任务由 LaunchAgent 驱动，目录变化即触发，同时每隔几分钟补一次检查。性能方面，在 MacBook Air M4、16GB 内存上的实测数据是：38.72 秒口述转写约 3.2 秒，90 秒录音约 5.6 秒，17 分 55 秒的长录音约 77 秒。校对环节交给 AI 修正常见同音字、标点和断句，并按内容拟短标题，但不改写原意、不自动生成总结——原始资料保持简单，长期保存才更容易。

Skill 化封装与方案的边界取舍

作者进一步把整套流程封装成了 Skill：只需对 AI 说一句「我刚用 Apple Watch 录了一段，帮我整理出来」，Skill 就会检查 App、磁盘权限、Whisper 模型和后台任务，立即触发扫描，验证原始录音和校对稿是否真实存在，并在同步未完成时准确报告问题出在苹果同步、磁盘权限还是转写环节，而不是拿旧文件冒充最新录音。与得到大脑、飞书妙记这类集成软件相比，云端方案更省事，但本地方案的价值在于：继续使用原生录音入口、原始文件与文字稿长期保存在自己的电脑、未来可自由更换模型和笔记工具。它的限制同样明确——iCloud 同步时机不可控、Mac 需保持在线、本地环境需要维护、AI 校对环节也并非全程离线。

这套工作流已经在 Apple Watch S10、iPhone 15 Plus 和 MacBook Air M4 上稳定跑通，相关脚本和 Skill 后续将整理为开源版本。它的意义不在于某个单点功能，而在于展示了一种思路：用苹果原生能力做入口，用本地模型做处理，用 AI 做校对，把碎片化的语音记录变成可长期沉淀的个人知识资产。