Spokenly 語音聽寫
Spokenly 語音聽寫 系列封面

Spokenly 語音聽寫

從語音輸入工具選擇到成本與自訂流程的實作紀錄。

6 篇文章

文章目錄

  1. 01

    Vibe Coding：保留你的完整意圖與脈絡

    Vibe Coding 不只是寫好 prompt。當長時間和 AI 討論，口說能保留容易被鍵盤壓縮的意圖與脈絡；這是我從 macOS Dictation 到 Typeless 的起點。
  2. 02

    從 Typeless 訂閱制，到 Spokenly 按量計費

    從 Typeless 的固定訂閱改成 Spokenly BYOK：建立兩把 OpenAI API key、拆開 STT 與 LLM 成本，並用實際 Usage 判斷哪種計價適合自己。
  3. 03

    Spokenly 設定：STT 換成本地模型後，成本再降 90%

    把 Spokenly 的 STT 從雲端搬到本地 Whisper：不需要額外 GPU，加入本地 Prompt 與 Word Replacements 後，雲端 API 成本再降超過 90%，只剩約 $0.3／月。
  4. 04

    Spokenly 的歷史紀錄，竟然成了我調校 Prompt 的養分

    Spokenly 的 History 同時留下原始轉寫與 AI 潤飾結果。我把這些紀錄交給 LLM 分析，找出固定誤辨，再把 Typeless 的閱讀感拆成三個可持續調校的旋鈕。
  5. 05

    Spokenly 的歷史紀錄，被我拿來做成 Dashboard

    Typeless 讓我開始用口述時間、字數和節省時間觀察自己的 workflow。換到 Spokenly 後，我從本機 History log 做了一個靜態 Dashboard，讓後續調校有資料可看。
  6. 06

    Spokenly Dashboard：一個 WPM 的定義，讓我一路問回打字機時代

    一張 Spokenly Dashboard 的 WPM 卡片，讓我從中英混雜字數、打字機時代留下的 Standard Word 慣例，一路追問到「節省時間」究竟該怎麼算。