标签索引

语音交互

这个标签下有 18 篇文章。按时间回看相关判断与实践记录。

标签精选

遭遇“AI脑坏死”危机：开发者转向语音输入重塑Claude Code交互体验

随着 AI 编程工具的深度普及，一名开发者因多项目并行遭遇“AI 脑坏死”，表现为思维活跃但受限于打字效率，导致提示词质量显著下降。为突破这一人机交互瓶颈，该用户尝试采购 DJI Mic Mini 并积极评测 MacOS 平台的语音输入方案...

2026-05-131 分钟阅读60 阅读

本文介绍了一种将传统外设与AI大模型结合的创新实践。作者通过在Windows系统下使用“闪电说”接入字节跳动豆包大模型，实现了高精度的语音识别与交互；通过将立式鼠标的侧键映射为语音输入触发器，作者成功将一款价格不足两百元的国产鼠标，改造为具...

2026-04-131 分钟阅读150 阅读

在开发语音驱动 AI Agent 的实践中，开发者发现原始 STT（语音转文字）输出中的大量口癖、重复和碎片化语句，会严重干扰 LLM 的推理效果。为此，Sayd 推出了 Talk API 服务，这是一种超越传统 STT 的解决方案。它通过...

2026-04-131 分钟阅读78 阅读

YC 孵化器 F24 届毕业生 CollectWise 正在招聘 AI Agent 工程师。该公司利用生成式 AI 技术颠覆传统的消费者债务催收行业，其自研的 AI 语音代理在性能上已达到人类催收员的两倍，且成本大幅降低。目前这支仅 5 人...

2026-04-101 分钟阅读102 阅读

开发者近期发布了基于 ESP32-S3 芯片的开源固件 XiaoClaw，该项目创新性地将语音交互技术与本地 AI Agent 深度融合。通过集成“xiaozhi”和“mimiclaw”两大优秀开源项目，XiaoClaw 成功在资源受限的嵌...

2026-04-091 分钟阅读238 阅读

一位开发者为了实现“手持手机，说话即可让AI开发项目”的愿景，构建了一款名为“OpenConnect”的安卓应用。该应用允许用户通过手机语音指令，直接调用OpenAI Codex进行代码编写（未来计划支持Claude）。作者设想了极具未来感...

2026-04-031 分钟阅读115 阅读

来自科技社区的讨论显示，字节跳动的“豆包”虽然单项性能可能并非行业最强，但凭借其全面的功能集、无与伦比的语音交互及屏幕共享能力，已成为许多用户日常最高效的助手。用户进一步展望了未来的交互范式：希望能通过语音指令直接操作电脑，调用Codex或...

2026-04-021 分钟阅读228 阅读

针对市面上听写软件词库割裂、节奏僵化的问题，一位开发者推出“松鼠听写”App。该应用集成了 OCR 图像识别技术，支持直接拍摄书本自动提取词汇，免去了跨 App 复制的繁琐。同时，引入语音控制系统，用户可通过语音指令切换词汇或重复朗读，让孩...

2026-03-181 分钟阅读168 阅读

开发者 Maxwin 推出了一款名为 SpeakMore 的开源 macOS 语音输入工具。与传统 ASR（如 Whisper）方案不同，该工具直接调用多模态大模型（如 Gemini、通义千问）处理音频，实现从识别到优化的“一步到位”。其核...

2026-03-171 分钟阅读152 阅读

针对移动端CLI编程体验差、SSH易断连的痛点，本文推荐了两个自托管的开源Web UI项目yepanywhere和farfield。它们能将手机变为终端，无缝对接本地服务器上的Codex或Claude，利用现有会话历史实现免账号、零数据库的...

2026-03-151 分钟阅读228 阅读