Fifi：把闹钟的「停止」当成开场，让语音赶在接听之前就位

Fifi 是一款 iPhone 闹钟应用，2026 年 9 月 11 日上架 App Store，要求 iOS 26.0 及以上，只有 iPhone 版本。Fifi 做的还是叫醒这件事，改动发生在响之后：闹钟以「Fifi is calling」的形式提示，你按停它，一个事先选好的角色就在电话那头开始说话——先是一句问候，接着是你留给自己的便签、当天的当地天气和几条头条，最后道别收尾，通话自己结束。十个角色共用同一只猫的形象，各有各的台词和演法，从轻到几乎听不见的耳语到把你吼下床的教官；这十把嗓音由两家 AI 语音接口合成。1 应用免费下载，全部功能需要订阅，没有免费层。2

有一个地方容易被发布文案带偏，Fifi 的官方常见问题自己讲得很清楚：「说它是一次通话，指的是电话那头有人，而不是屏幕上会出现来电画面。」锁屏上出现的是系统闹钟的提示，加上一条 Live Activity——苹果在锁屏上显示实时状态的卡片——写上打电话的人和名字，用来替代一条容易被划掉的普通通知。3

Fifi 官网把闹钟这件事摊开讲了一遍：一个铃声的职责，在你让它停下来那一秒就结束了，这就是传统闹钟的全部约定；约定之后是一间黑着的房间、已经握在手里的手机，和一天里最先被用掉的二十分钟。Fifi 想做的是从这份约定结束的地方开始。官网也给了「接起来之后为什么必须有人说话」的理由：一句说到一半的话，比一个可以任它淡出的声音更难让人走开。3

多数应用把「停止」放在流程的终点，一个动作把整段体验关掉。Fifi 把同一个动作挪到了开场的位置：按停之后，电话那头有人开始说话，而这段话分成几段、说什么、什么时候结束，都写在设置里。提示本身也长得像一通电话，带着来电人的脸和名字，由系统闹钟和一条 Live Activity 画出来。铃声也沿用同一套做法：39 种按真实电话音色分组的铃声，或者让角色用自己的声音打给你，于是你在睁眼之前就知道是谁。24

让这声闹钟在静音模式和专注模式下照样响起来的，是苹果在 iOS 26 中开放的系统闹钟接口 AlarmKit。苹果在 WWDC25 讲 AlarmKit 的那场分享里写明了规则：闹钟触发时，提示会穿透静音模式和当前生效的专注模式；提示里显示的是自定义的闹钟标题和应用名，用户可以选择停止，或者用可选的稍后提醒按钮把闹钟推迟。5

这条通道有它的价钱。苹果要求用户逐个应用单独授权，用途说明写在应用的 NSAlarmKitUsageDescription 里，用户随时能在设置里改回去；授权被拒绝时，苹果建议开发者在界面上明确告诉用户闹钟不会被安排上。AlarmKit 只存在于 iOS、iPadOS 和 Mac Catalyst，这也解释了 Fifi 为什么没有 Android 版本。一个把「穿透静音把你叫醒」当作核心动作的产品，它的核心动作随时可能被用户本人收回去。35

这段通话里最难的部分是时间。闹钟响过之后，人是半睡半醒的，从他睁眼到决定接起来只有几秒钟，Fifi 要在这几秒里把当天的简报合成成语音。Fifi 的开发者在 Product Hunt 的技术选型页上记录了这个约束的原始形状：简报要在闹钟触发到半睡半醒的人接听之间渲染完成，客户端会在 10 秒后中断请求。他比较过的另一家语音接口，把同样的文本念出来需要 19 到 27 秒；最后他选了 Cartesia Sonic，同一段文本大约 5 秒念完。他在记录里写得很直白，那场评估里其他指标都不重要了。1

十秒这个数字来自人的动作，它也就框住了产品能承载的内容长度：简报必须拆成几段短内容分别合成。官方说明列出的是问候、便签、天气、头条和道别，这五段每一段都是独立开关，连招呼和道别也能关掉，通话的时长等于你早晨实际需要的长度；每一段都是现组装的，同一个角色不会有两次一样的开场。2

十个角色是同一套约束下的产物。官方角色页写得很清楚：它们都是同一只猫换上戏服、走进不同的房间、用不同的嗓音打给你，是一个朋友的十种脾气。为了凑齐这十种演法，开发者在约八十把声音里做盲听选角，最后按角色把这一组拆给了两家 AI 语音供应商，ElevenLabs 与 Cartesia 各承担一部分角色——没有任何一家能一次给出十个合适的音色。他记下的经验是，照文字描述挑出来的声音，最后听起来都差不多。16

语音合成本身是一笔按次计费的调用。开发者在同一份记录里说，服务端在真正付费调用语音合成之前，会先核对用户的订阅状态，确认这个人还在订阅期内，这笔钱才花得出去。1

把这两处放在一起看，Fifi 的差异落在两个具体位置。第一个是它借的那条系统通道，这条通道决定了产品能出现在哪些设备上，也决定了闹钟权限被用户收回时它还剩下什么。第二个是它量出来的那个十秒窗口，这个窗口决定了它一次能说多长、要用几把嗓子，以及走到哪一步才允许花钱。