开发者自建实时语音听写工具:AssemblyAI 转写 + LLM Gateway 润色
tech__unicorn · x · 2026-10-13
开发者分享自建听写工具 Flow Dictation 的完整思路:全用语音输入后自认效率提升 10 倍。核心洞察是「转写只给你文字,但不知道哪句是命令、哪句是碎碎念」,所以流水线分两段:
- 转写层:AssemblyAI Sync API(Universal-3.5),平均延迟 134ms,经 WebSocket 实时流式接收 16kHz 单声道 PCM,处理填充词和自然改口("actually, scratch that…")
- 重写层:AssemblyAI LLM Gateway 托管 Qwen 3.5 做后处理——去除 um/uh/like 等填充词、加标点修语法、保留说话人真实意图,数据全程留在 AssemblyAI 平台不出第三方
- 输出层:整理后的干净文本直接粘贴进当前活跃窗口,支持 VS Code、JetBrains、Notion 等任意编辑器,不切上下文
「编程与Agent」频道最新
- BGPT MCP 服务器开源:让 AI 助手直接检索每日更新科学数据 — modelcontextprotocol · 2026-10-13
- Lowvyn 推出 MCP 连接器:让 AI 助手跨加拿大零售商比价追踪 CAD 价格 — modelcontextprotocol · 2026-10-13
- AI 外呼系统 fail-closed 门控架构开源:88 项测试、dry-run 默认 — Tariq9977 · 2026-10-13
- 开源 Agent 工作台 PilotDeck 2.0:一句话交付数据分析看板 — techNmak · 2026-10-13
- AgentStatus 免费监测 MCP:每 6 小时跨 Claude Code、Cursor 等 6+ 宿主实测 — Prestigious-Web-2968 · 2026-10-13
- 4 张 RTX 6000 Pro 撑起 40 人公司本地 AI:DeepSeek V4 Flash + vLLM 实操栈 — q-admin007 · 2026-10-13