創建語音應用程式

概覽

Computer 可以設計並發布一個完整的語音轉文字寫作助手，將快速、凌亂的語音轉化為乾淨、可隨時發布的文字。它能處理從麥克風存取、即時轉錄到 AI 驅動的編輯、語調控制和個人字典等所有功能，讓用戶可以大聲思考，同時仍能獲得流暢潤飾的文稿

主要輸出

Computer 建構了一個完整的網頁應用程式，可連接裝置麥克風、處理權限，並使用 Web Speech API 進行串流語音辨識。為了克服沙箱 iframe 的限制，它新增了「在新分頁中開啟」控制項，以便應用程式能從完整的瀏覽器情境中要求麥克風存取權。

在錄音期間，它會以淡化樣式呈現帶有臨時字詞的即時逐字稿，並以較強烈的樣式呈現最終識別的文字，確保用戶隨時知道擷取功能正在運作。

錄音停止後，Computer 會將原始逐字稿透過 AI 編輯管線進行處理，以移除贅字與口吃、修正大小寫與標點符號，並將長句拆分成易讀的段落。

它連接了一個語調滑桿，讓變更隨性與正式的設定能觸發文字的重新處理，並調整縮寫與用詞以符合所選的語調。它還實作了個人字典與工作階段歷史記錄：對不尋常字詞的編輯會伴隨快顯提示儲存，每個工作階段都會儲存原始與編輯後的文字以及語調級別，而且用戶可以快速複製潤飾後的輸出結果，或在原始與編輯後檢視之間切換。

放大

提示

• 收緊產品角色定位 – 新增一行說明這是為誰設計及其工作流程，例如：「為將會議記錄隨性傾倒並希望在幾秒鐘內獲得可發布摘要的創辦人設計此功能。」
• 指定編輯控制項 – 明確說明哪些編輯是強制性的與可選的，例如：「務必移除贅字和口吃，但保持領域術語和專有名詞不變。」
• 定義成功狀態 – 告訴 Computer 如何驗證組建，例如：「包含一個可見的麥克風權限錯誤狀態，以及在用戶首次點擊錄音時出現的短小內嵌指南。」