我最近花了很多時間研究 AI 語音輸入工具。從 MacWhisper、Whisper、Groq、各種開源語音輸入專案,到自己串接 API、修改 Prompt,甚至直接參與 UTUVO Type 的開發,嘗試把 iOS 的 BYOK 語音輸入流程做到更可靠。
原本的目的很簡單:我想找一個比 Typeless 更便宜、可以自己控制模型,而且在 macOS 和 iOS 都能使用的方案。
畢竟 Typeless Pro 月繳要 US$30。以現在的 AI 開發能力,Whisper 已經有不錯的辨識效果,後面再串接一個 LLM 做文字潤飾,理論上應該不難做到類似的產品。更何況我本身就有工程背景,現在又有 AI Agent