建立語音應用程式

概覽

Computer 可以設計並發布完整的語音轉文字寫作助理，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、語氣控制和個人字典等所有功能，讓使用者可以大聲思考，同時仍能獲得流暢的文字。

主要輸出

Computer 建構了一個完整的網頁應用程式，可連接至裝置麥克風、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，它新增了一個「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。

在錄製期間，它會以淡化樣式呈現帶有臨時字詞的即時轉錄文字，並以較強烈的樣式呈現最終識別的文字，讓使用者隨時知道擷取功能正在運作。​

錄製停止後，Computer 會透過 AI 編輯管線執行原始轉錄內容，以移除贅字與口吃、修正大小寫與標點符號，並將長句子拆分為易讀的段落。

它連接了一個語氣滑桿，讓變更隨意與正式的設定能夠觸發文字的重新處理，並調整縮寫與用詞以符合選定的語氣。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儲存並顯示吐司通知，每個工作階段都會儲存原始和編輯過的文字加上語氣層級，且使用者可以快速複製潤飾後的輸出或在原始和編輯過的檢視之間切換。

放大

提示

• 收緊產品角色 – 新增一行關於此產品的目標對象及其工作流程的說明，例如：「為經常腦力激盪會議記錄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 – 明確指出哪些編輯是強制性的與選用的，例如：「始終移除贅字和口吃，但保持領域術語和專有名詞不變。」
• 定義成功狀態 – 告訴 Computer 如何驗證建構結果，例如：「包含可見的麥克風權限錯誤狀態，以及使用者第一次點擊錄製時出現的簡短內嵌指南。」