AI不该被囚禁在键盘上

最近高强度和ai对话的时候，尤其是进入心流状态后，脑子里思如泉涌，AI那边生成的也老快。但是这两个超级大脑直接的交互真的太慢了，还在那一点点敲键盘，感觉带宽真得升升级。我看油管上开屏广告也有这种产品，大多都是英语的语音转文字，中文效果

后来我试了试Mac自带的语音转文字，说中文转出来之后我看的都不知所云，传给下游大模型直接语义坍缩。。。

各大llm厂商对此也有些优化，他们在网页端加了个语音输入  但是在中文场景下，除了chatgpt的那个语音转文字，其他厂商的对中文识别率都挺低的，即便大模型有兜底，能根据上下文猜测你说的是啥意思，但还是容易发生语义坍缩  

而gpt的语音转文字也有局限，当你说话说过超过一分钟之后，就会因为说话的信息tokens过长或者网络波动，给你全部吞了，说了两分钟的话，还得重新说一遍，杏仁核小朋友就要闹了。

当时这真是个折磨我好久好久的痛点。  我就在想，gpt的转录引擎是什么呢，中文优化怎么这么好，要不抽出来本地跑，连上剪切板当个小工具不行么，后来也确实vibecoding了一下：  

做了个基于OpenAI Whisper引擎的转录工具  做完后我试了试，Mac本地跑完一段语音转文字的时间，和去openai服务器走一圈再回来不相上下；而跑出来的文本准确率 甚至要比 chatgpt网页端的那个还要高  估计openai算力全堆给llm了，asr这种边缘业务算力分不到多少了哈哈哈  Whisper还提供了个CUDA加速，要是英伟达显卡，本地跑的速度还能在mac的速度之上快个四倍左右，还得是老黄  多亏现在llm兜底能力强，只要术语不错一半以上，都能根据上下文基本都能推断出来，语意不会崩。现在已经常驻后台当我小工具了哈哈哈哈。#牛客AI配图神器#