你的听写工具说完要等半天，问题可能出在切块！把 Whisper 切成 1 秒小块反而更慢？开发者实测踩坑：算力直接翻 10 倍

大白话这位开发者在做一个叫 Vocs 的 macOS 免费开源听写工具：按一下键说话，再按一下，文字就贴出来。他原本以为把录音切成 1 秒小块边听边转写能降延迟，结果发现 Whisper 的编码器固定按 30 秒窗口干活，短音频会被补齐到 30 秒，所以 1 秒一块和 25 秒一块的编码成本差不多。他改成按停顿切块、把首块控制在 4 秒后第一个停顿、单块最长 12 秒，并在用户还在说话时后台转写，按下停止时只剩最后一小段要处理。

对你意味着如果你在做语音转写、会议记录、AI 听写类产品，这些坑能直接省下几天调试；普通用户也能理解为什么有些听写工具「说完要等半天」。