网易叭哥说AI语音输入法评测:识别速度快到没朋友
作者对比了Typeless、闪电说、豆包输入法和网易新推出的叭哥说四款AI语音输入法。叭哥说采用双模型架构(ASR语音识别+纠错润色),实现E2E平均1683ms的极速识别,支持小声拾音、专业术语识别、个人词典导入、多语言翻译和粤语识别等功能。文章通过小声嘀咕、长Prompt输入、翻译等多个场景实测,认为叭哥说基本补齐了竞品的短板,并展望语音输入让人机交互回归自然口语表达的未来。
作者对比了Typeless、闪电说、豆包输入法和网易新推出的叭哥说四款AI语音输入法。叭哥说采用双模型架构(ASR语音识别+纠错润色),实现E2E平均1683ms的极速识别,支持小声拾音、专业术语识别、个人词典导入、多语言翻译和粤语识别等功能。文章通过小声嘀咕、长Prompt输入、翻译等多个场景实测,认为叭哥说基本补齐了竞品的短板,并展望语音输入让人机交互回归自然口语表达的未来。
对多款AI语音输入法做了同文本实测对比,含延迟数据、专项测试与个人词典操作方法,信息密实且发布仅一天时效性极佳,但深度分析以体验描述为主,缺少原理层面的进一步论证。
本文是语音输入工具「闪电说」的保姆级使用教程。闪电说是一款桌面端 AI 语音输入工具:短按快捷键可将语音转为文字,长按则让 AI 结合屏幕上下文帮你生成回复,适用于微信、飞书、文档等场景。文章从权限开启、界面介绍讲起,详细说明三类模型的配置方法(语音识别推荐豆包,含 20 小时免费额度的接入步骤),并介绍短按输入、长按「帮我说」两种核心玩法及指令技巧,还涵盖资料库个性化设置(风格、词典、关于我、技能、记忆)与快捷键、麦克风、系统等常用设置,帮助用户快速上手。
作者在国庆假期用 3 天时间和 Astra 聊天,用 credits 开发出了全能 Mac 应用 Telos,替代了 Granola、Typeless、Things、CleanShot X、Notion Calendar 等多个付费软件,每年省下约四五百美元。Telos 基于 DeepSeek 模型和 Hermes Harness,功能包括:状态栏 Todo list、自动会议转录与总结(ScreenCaptureKit + Qwen3-ASR)、AI 语音标注截图、全局语音输入等。作者认为这些 App 打着买断制旗号行订阅制之实,经济下行下软件生态出现'自产自用'的消费降级趋势。
作者介绍网易有道开源的实时流式 ASR 模型 Confucius4-R2T2 与 Jev 模型组合,可平替英语流利说的口语评测功能。R2T2 是真流式模型,以 160ms 间隔输出且具备 stable prefix 机制,保证已提交文本不被修改;Jev 则快速判断文本层面的漏读、多读和错读类型。两模型均为开源,可在 NVIDIA 显卡本地部署,适合在家朗读练习。作者也指出当前方案仅限文本层面纠错,读音纠错需接入音标识别模型,应对语序跳跃、替换词等复杂场景仍需更深入的声学模型支持。
本文是译者想风对一篇爆文的中文翻译,介绍了 xAI 推出的 Grok Bot——一种拥有专属云计算机、可像真人一样操作 LinkedIn、Gmail、Slack、Notion 等真实工具的自动化机器人。文章详细讲解了从获取访问权限、创建第一个机器人、连接工具、教授任务、设置定时或事件触发器,到将多个机器人加入群聊协同工作的完整六步流程,并提供了一个'参谋长'机器人及首席助理、侦察员、内容、工程、客户、财务等 6 个即用型机器人提示词模板。作者强调从'下达指令'到'授权委托'的转变,同时坦诚指出产品处于早期测试阶段,涉及金钱、法律等敏感任务需设置防护措施。
本文整理自 linux.do 网友推荐的十款实用浏览器插件,按五类需求组织:去广告与隐私(AdGuard、uBlock Origin Lite、WebRTC Control、Firefox Multi-Account Containers、Bypass Paywalls Clean)、翻译(沉浸式翻译、简约翻译、沙拉查词)、脚本与操作效率(Tampermonkey、暴力猴、Vimium C、心流鼠标手势、crxMouse)、标签页与网页保存(OneTab、NiceTab、SingleFile),以及 Bitwarden 密码管理等其他工具。文章讲清每个插件解决什么问题、适合谁、安装时的常见坑,并给出实用选择建议。
作者实测了 HuggingFace 上多语种榜单第一、可本地部署的开源语音模型 Hojo-ASR-Multi-V1 和 Hojo-TTS-Light-40M。通过普通话、粤语、四川话及多国外语的实际听写测试,发现该 ASR 模型在普通话和粤语表现出色,但在方言虚词、专名和噪声场景下会出错;TTS 小模型在 CPU 上即可快速合成中英夹杂语音。文章还分析了模型体量、内存和 RTF 的关系,并给出不同场景下 ASR/TTS 开源模型的选型建议。
Vokie 开发者 alan 介绍了这款面向 AI Agent 协作的语音输入工具的理念与功能。文章阐述了语音相比打字更开放自然的优势,并介绍 Vokie 的核心能力:基于深度调教的 ASR 模型实现高识别率并支持 20 多种方言;通过'热词学习'记住用户纠正的词汇;通过'中翻中'将口语转译为不同场景下恰当的书面文本,兼顾 Agent 指令、私人消息、工作沟通等不同需求。此外还支持小米和 Apple TV 遥控器输入以缓解'开口尴尬症',并提供插件让 ESP32 等硬件接入,拓展极客玩法。
本文介绍了一款 Windows 上的开源提词器 Flow,解决录课、录口播视频时低头看稿导致眼神下飘、暴露念稿痕迹的问题。Flow 将稿件放入贴着摄像头的置顶悬浮窗,让视线无需离开镜头。其招牌功能是语音跟读,基于本机语音识别实现念到哪滚到哪,无需手动调速。此外还支持隐形模式,屏幕共享或视频通话时对方看不到提词器;提供脚本库统一管理稿件,可分段打标记、追踪长稿进度。支持 Windows 10 和 11,可在微软商店直接安装,适合主播、老师和网课短视频创作者使用。
作者基于1000小时的使用经验,分享了十个提升 Claude Code 效率的技巧。主要包括启用自动模式减少权限点击、使用计划模式防止构建错误、远程控制保持会话、利用 Superpowers 插件优化构建流程、设置 CLAUDE.md 规则、自定义技能、使用语音输入工具 Wispr Flow、优化 Token 使用、利用例行程序自动化任务,以及最重要的是构建第二大脑以积累上下文。
作者分享了他如何利用语音转文字工具(如 Superwhisper)结合 Claude,构建了一个完全模仿个人写作风格的“第二自我”。通过建立完美的捕捉层、个性化的风格模型和智能路由系统,作者实现了34天不手写任何初稿,且输出质量更高、风格更真实。文章详细拆解了技术实现步骤,旨在帮助读者通过语音绕过大脑的自我审查机制,释放更纯粹的思想。