音声アプリを作成する

概要

Computerは、スピード感があり散らかった音声をすっきりと公開可能なテキストに変換する、音声テキスト化ライティングアシスタントの完全版を設計およびリリースできます。マイクへのアクセスやライブ文字起こしから、AIを活用した編集、トーンコントロール、パーソナル辞書に至るまであらゆる機能を処理するため、ユーザーは声を声に出して考えながら、洗練された文章を作成できます。

主な出力

Computerは、デバイスのマイクに接続し、権限を処理し、Web Speech APIを使用して音声認識をストリーミングする完全なWebアプリを構築しました。サンドボックス化されたiframeの制限を回避するため、「新しいタブで開く」コントロールを追加し、アプリが完全なブラウザコンテキストからマイクアクセスを要求できるようにしました。

録音中、未確定の単語をミュートされたスタイルで、最終的に認識されたテキストをより強いスタイルでライブトランスクリプトとしてレンダリングするため、ユーザーはキャプチャが機能していることを常に把握できます。

録音停止後、ComputerはAI編集パイプラインを通じて生のトランスクリプトを実行し、フィラーワードや言い淀みを削除し、大文字化と句読点を修正し、長い文を読みやすいチャンクに分割します。

トーンスライダーを配線し、カジュアルとフォーマルの設定を変更するとテキストの再処理がトリガーされ、選択されたトーンに合わせて短縮形や単語の選択が調整されるようにしました。また、パーソナル辞書とセッション履歴も実装されました。珍しい単語への編集はトースト確認付きで保存され、各セッションには生および編集済みのテキストとトーンレベルが保存され、ユーザーは洗練された出力を素早くコピーしたり、生表示と編集済み表示を切り替えたりできます。

拡大

ヒント

• プロダクトペルソナを絞り込む – 対象ユーザーやそのワークフローについて記述した行を追加します（例：「会議のメモをブレインダンプし、数秒で公開可能な要約を求めている創業者向けにこれを設計する」など）。
• 編集コントロールを指定する – どの編集が必須でどれが任意であるかを明確にします（例：「フィラーワードと言い淀みは常に削除するが、ドメインの専門用語や固有名称はそのまま残す」など）。
• 成功状態を定義する – ビルドを検証する方法をComputerに指示します（例：「目に見えるマイク権限のエラー状態と、ユーザーが初めて録音をクリックしたときに表示される短いインラインガイドを含める」など）。