关于 MosMos
复旦大学模思智能的语音写作产品
MosMos 是复旦大学与上海创新研究院联合孵化的模思智能（Mosi Intelligence）推出的 macOS 语音写作工具，首席科学家为邱希鹏。其核心模型 MOSS-Transcribe-Diarize 可在单次运行中完成 90 分钟音频的转录与说话人分离，在 AISHELL-4 等真实会议基准上优于 GPT-4o 和 Gemini 3 Pro。
产品定位为「会议前、中、后」全流程辅助：会前语音起草邮件或文档，会中多发言人转录并生成结构化笔记，会后自动提取行动项与负责人。
核心功能一览
六大核心能力，覆盖创作全流程
任意应用内语音输入
在任何文本输入框按 Fn 键即可开始语音输入，MosMos 自动识别上下文并适配输出风格。
多发言人会议转录
Fn + Shift 启动连续录制，自动区分多个发言者、标注时间戳，生成完整转录稿。
结构化会议笔记
自动生成会议上下文、参会人、关键要点，并提取带负责人和截止日期的行动项。
个人专业词汇库
添加一次产品代号、客户名或谐音词，后续转录自动识别，不再被自动更正干扰。
三级文本精修
Basic 原样输出、Standard 语法流畅、Advanced 压缩改写为简洁草稿，按需切换。
零基础快速上手
4 步完成你的第一件 AI 作品，无需任何设计经验
下载安装
访问 mosmos.io 下载 Mac 客户端（需 macOS 15 及以上），安装后授予辅助功能权限。
配置专业词汇
在设置中添加常用产品名、客户名、谐音词，确保转录准确不跑偏。
语音起草内容
在任意文本框按 Fn 键开始说话，说完再按 Fn 键，MosMos 自动润色并插入文本。
会议录制与整理
按 Fn + Shift 启动会议录制，会议结束后自动生成交互转录稿、摘要与行动项清单。
常见问题解答
遇到问题？这里可能有你想要的答案
MosMos 支持中文吗？
支持。MOSS-Transcribe-Diarize 模型对中英文混合会议均有良好表现，但个人词汇库功能主要针对英文专有名词优化。
和我的聊天记录会上传服务器吗？
根据官方说明，Mac 客户端内的录音历史记录保存在本地设备，不会上传至服务器；云端仅处理转录所需的音频片段。
和 Otter.ai 有什么区别？
MosMos 是 macOS 原生应用，支持任意应用内语音输入（Fn 快捷键），而 Otter 主要为网页和移动端设计，语音输入局限于其自身界面。
同类对比
和同类工具横向对比，帮你选对工具。
| 对比维度 | MosMos | Otter.ai | Fireflies.ai | Wispr Flow |
|---|---|---|---|---|
| 平台 | macOS 原生 | Web/移动端 | Web/浏览器扩展 | Web/移动端 |
| 多发言人分离 | 是（本地模型） | 是 | 是 | 是 |
| 任意应用语音输入 | 是（Fn 快捷键） | 否 | 否 | 部分 |
| 行动项提取 | 是 | 是 | 是 | 是 |
| 价格 | 免费（首发期） | $10/月 | $20/月 | $12/月 |
同类推荐工具
发现更多优质 AI 创作工具，找到最适合你的那一款
AssemblyAI
AssemblyAI 是 2017 年成立于旧金山的语音 AI 公司，提供高准确度的 Speech-to-Text 与音频智能 API：说话人分离、情感分析、自动章节、PII 脱敏，以及用 LeMUR 对音频做 LLM 级问答与总结。
Deepgram
Deepgram 是用于实时与批量语音转写的开发者优先 STT API，Nova-3 模型实现亚 300ms 流式延迟、50+ 语言支持，并为语音智能体提供原生端点检测。
Descript
Descript 是 AI 驱动的音视频编辑器，用「像编辑文档一样编辑视频」：导入录音后自动转写，删掉文字对应的片段就消失；内置 Underlord AI 剪辑师、Studio Sound 与配音克隆，转录准确率达 95%。
ElevenLabs
ElevenLabs 是领先的 AI 音频与语音平台，提供文本转语音、语音克隆、声音设计、音乐生成与语音转写，支持多语言，广泛应用于配音、有声书与客服语音智能体。