Vokie 官网

Vokie

🎙️ 大家好，我是 Vokie 的开发者 alan 。

很多朋友认识 Vokie ，是从一次偶然的语音输入开始的。今天写这些文字，是想和大家聊聊，我们在做的事情，以及背后的思考。

首先，最想说的是一句感谢。感谢大家一直以来对 Vokie 的包容。我们知道它有时并不完美——偶尔会“自作多情”地直接回答了你的问题，偶尔会用力过猛把你的原话整理得过于板正，甚至有时还会闹点服务不稳定的小脾气。你们的耐心，是我们一路折腾到现在的底气。

在这条赛道上，我们的目标一直没变：做你和 AI Agent 协作时，那个最默契的语音输入伙伴。

为什么我们如此死磕“语音”？

如果你仔细观察过自己，你会发现：打字是防御性的，而说话是开放的。

当我们面对键盘时，大脑会本能地开始“预清洗”，很多鲜活的想法在敲击之前就被过滤掉了。而口语表达，是我们最天然、最不加掩饰的输出方式。在这种状态下，你会倾倒出海量的细节、情绪和突发奇想——这些看似随意的上下文，恰恰是喂给 Agent 最好的养料。

为了接住这些养料，Vokie 在底层的“听力”上下了苦功。

得益于团队对业内顶尖 ASR 模型的深度调教，Vokie 的基础识别率稳稳站在了行业第一梯队，并且顺手支持了 20 多种方言。无论你是夹杂着英文单词聊着手头的项目，还是用老家话碎碎念，它都能听得懂。

懂你的欲言又止，陪你慢慢变聪明

但这还不够。

很多时候，原始的语音识别面对一些冷门词、行业黑话，或者刚刚诞生的新梗，依然会发懵。所以我们给 Vokie 加上了“热词学习”的能力。

逻辑极其简单：教它一次，它就记住了。只要你手动把认错的词改对，它就会默默把正确答案收进词库。下次你再开口，它就能准确无误地拼写出来。

而口语中天然存在的“嗯、啊”、重复的絮叨、甚至是说到一半推翻重来的自我纠正，在 Vokie 眼里都不是废话。我们把口语转译书面语的过程，称为“中翻中”。它能穿透那些口水词，准确捞起你真正想表达的内核，然后规规矩矩地整理好。

为什么要做“整理和润色”？

“市面上的语音输入已经很强了，为什么 Vokie 还要在整理润色上费这么多心思？”

这是我们常被问到的问题。坦白讲，豆包、Typeless 在某些场景下表现的很好了，然而，在不同场景下我们对整理和润色的需要是不同的，很多时候让我们总觉得“差点意思”。

  • 发给 Agent 的指令，它不需要你排版得多漂亮，但整理后的文本，能让你作为人类一眼看清、放心确认。

  • 发给爱人的消息，我们希望里面能保留住情绪的温度。

  • 发给同事的交代，我们希望它看起来专业而清晰。

  • 如果是写长文档，我们希望每一个字都能保留你原始的风格和味道；而换作写一封正式邮件，它又必须分段严谨、落落大方。

不同的场景，期待着不同的文本样貌。我们做整理和润色，就是希望在每一个具体的场景里，你的每一句语音，都能被恰当、温柔且专业地对待。

帮你治愈“开口尴尬症”

当然，我们也听到了一些很真实的声音：“在办公室里对着电脑说话，真的好尴尬啊。”

并非所有人都是社交悍匪。为了帮你跨过这道心理门槛，我们尝试了无数种方案。我们测试了如何用最轻的“呢喃耳语”也能被准确识别；我们还尝试了接入各种遥控器。

现在，Vokie 已经原生支持了小米遥控器、Apple TV 遥控器、VibeBoard 、AI PASSPORT 等硬件。

想象一下：当你把遥控器凑到嘴边，按下说话，松开发送。那一刻，遥控器不再是控制电视的工具，它变成了你手里的一根魔法棒——语音、识别、发送、撤销，一气呵成。这感觉，非常爽！

留给探索者的“后花园”

如果你恰好有一点探索欲，有着无限的折腾劲儿，我们在 Vokie 里为你留了一把钥匙：Vokie 插件。

借助这个插件，不管是 ESP32 还是你手头的其他硬件设备，都能轻松调用 Vokie 的能力。你完全可以左手牵着 Agent ，右手拿着自己 DIY 的硬件，用 Vokie 插件打开一个全新的极客世界。

语音输入，是我们和大家相识的起点。未来，我们还会一起把这条路走得更远、更有趣。

如果你在使用中有什么奇思妙想，或者是想吐槽，随时在群里喊我。

（未完待续... 下一期，我想和大家聊聊我们在另一个场景的故事，关于记录）

Vokie 群二维码

Vokie 官网：https://vokie.com/ ✨