Crea unha aplicación de voz

Visión xeral

Computer pode deseñar e lanzar un asistente completo de escritura de voz a texto que converte a fala rápida e desorganizada nun texto limpo e listo para publicar. Xestiona todo, desde o acceso ao micrófono e a transcrición en directo ata a edición impulsada por IA, o control do ton e os dicionarios persoais para que os usuarios poidan pensar en voz alta e obter aínda así unha escrita pulida.

Resultado clave

Computer creou unha aplicación web completa que se conecta ao micrófono do dispositivo, xestiona os permisos e usa a API de Web Speech para o recoñecemento de voz en streaming. Para evitar as limitacións dos iframes illados, engadiu un control de “Abrir nunha nova pestana” para que a aplicación poida solicitar acceso ao micrófono desde un contexto de navegador completo.

Durante a gravación, renderiza unha transcrición en directo con palabras provisionais nun estilo apagado e o texto recoñecido final nun estilo máis forte, para que os usuarios saiban sempre que a captura está a funcionar.

Unha vez que se detén a gravación, Computer pasa a transcrición en bruto a través dun pipeline de edición de IA que elimina as muíiñas e as tartamudexas, corrixe as maiúsculas e a puntuación, e divide as oracións longas en fragmentos lexibles.

Conectou un control de ton para que cambiar a configuración casual-formal active un novo procesamento do texto, axustando as contraccións e a selección de palabras para que coincidan co ton seleccionado. Tamén implementou un dicionario persoal e un historial de sesión: as edicións de palabras pouco habituais gárdanse con confirmacións emerxentes, cada sesión almacena o texto en bruto e editado ademais do nivel de ton, e os usuarios poden copiar rapidamente o resultado pulido ou alternar entre as vistas en bruto e editada.

Ampliar

Consellos

• Afina a persoa do produto – Engade unha liña sobre para quen é isto e o seu fluxo de traballo, por exemplo: “Deseña isto para fundadores que fan verteduras mentais de notas de reunións e queren resumos listos para publicar en segundos.”
• Especifica os controis de edición – Sé explícito sobre que edicións son obrigatorias fronte ás opcionais, por exemplo: “Elimina sempre as muíiñas e as tartamudexas, pero mantén intactos a xerga do dominio e os nomes propios.”
• Define os estados de éxito – Indica a Computer como validar a compilación, por exemplo: “Inclúe un estado de erro de permiso de micrófono visíbel e unha breve guía en liña que apareza a primeira vez que o usuario faga clic en gravar.”