创建一个语音应用

概述

Computer 可以设计并交付一个完整的语音转文本写作助手，将快速、零散的语音转化为干净、可直接发布的文本。它处理从麦克风访问和实时转接到 AI 驱动的编辑、语气控制以及个人词典的所有事务，让用户能够大声思考，同时依然获得润色后的文本

关键输出

Computer 搭建了一个完整的 Web 应用，可连接设备麦克风、处理权限，并使用网络语音 API 进行流式语音识别。为解决沙盒 iframe 限制，它添加了“在新标签页中打开”控件，以便应用能够从完整的浏览器上下文中请求麦克风访问权限。

录音期间，它会渲染实时转录文本，其中未完成的词汇采用弱化样式，最终识别的文本采用更强的样式，确保用户始终知道捕捉功能正在运行。​

录音停止后，Computer 会将原始转录文本送入 AI 编辑管道，该管道可去除填充词和口吃，修正大小写和标点符号，并将长句拆分为易读的片段。

它连接了一个语气滑块，以便更改随意-正式设置会触发文本的重新处理，从而调整缩写和措辞以匹配选定的语气。它还实现了个人词典和会话历史记录：对不寻常词汇的编辑会通过弹出提示进行保存，每个会话存储原始和编辑后的文本以及语气级别，并且用户可以快速复制润色后的输出或在原始视图和编辑视图之间切换。

放大

提示

• 收紧产品角色 – 添加一行关于目标受众及其工作流的内容，例如：“为希望在几秒钟内获得可发布摘要并进行头脑风暴会议记录的创始人设计此功能。”
• 指定编辑控件 – 明确哪些编辑是强制性的与可选的，例如：“始终删除填充词和口吃，但保留领域行话和专有名词不变。”
• 定义成功状态 – 告诉 Computer 如何验证构建，例如：“包含可见的麦克风权限错误状态以及用户首次点击录音时出现的简短内联指南。”