joe223's recent timeline updates joe223's recent timeline updates |
joe223V2EX member #218955, joined on 2017-03-05 10:15:29 +08:00 |
joe223
| 开发了一个支持上下文感知的语音转文字的输入法客户端 AriaType, 希望能获得大家技术/产品上的一些建议 分享创造 • joe223 • May 20 • Lastly replied by joe223 | 15 |
joe223's recent replies
May 20 Replied to a topic by joe223 › 分享创造 › 开发了一个支持上下文感知的语音转文字的输入法客户端 AriaType, 希望能获得大家技术/产品上的一些建议 |
@yukminnie 💐
May 14 Replied to a topic by joe223 › 分享创造 › 开发了一个支持上下文感知的语音转文字的输入法客户端 AriaType, 希望能获得大家技术/产品上的一些建议 |
@yukminnie 后面其实想做 computer-use 的能力，可以语音交互操作电脑，或者发出指令让 Agent 操作电脑，不知有无这方面需求？
May 14 Replied to a topic by joe223 › 分享创造 › 开发了一个支持上下文感知的语音转文字的输入法客户端 AriaType, 希望能获得大家技术/产品上的一些建议 |
也考虑到本地运行的负载限制，所以目前版本中最多给到 Gemma4 2B 版本的选项
May 14 Replied to a topic by joe223 › 分享创造 › 开发了一个支持上下文感知的语音转文字的输入法客户端 AriaType, 希望能获得大家技术/产品上的一些建议 |
@yukminnie 功能定位上是一回事，但是两者技术上实现不同。一个是 LocalPolishEngine ，另一个是 CloudPolishEngine 。LocalPolish 毕竟是小模型哈，还是不如云端几十上百 B 的大家伙
May 13 Replied to a topic by joe223 › 分享创造 › 开发了一个支持上下文感知的语音转文字的输入法客户端 AriaType, 希望能获得大家技术/产品上的一些建议 |
（但是 2B 以内的本地 llm 模型其实指令遵从性不太行，最好还是别开
May 13 Replied to a topic by joe223 › 分享创造 › 开发了一个支持上下文感知的语音转文字的输入法客户端 AriaType, 希望能获得大家技术/产品上的一些建议 |
@yukminnie 校准一下哈，500 兆主要是本地 STT 模型的占用，如果开启本地 polish 模型的话，估计 >1G 。
如果不是性能非常顶级的机器，我比较建议的使用本地 STT+云端 DeepSeek 。
因为现在做了上下文管理，我个人体感识别校准效果和 typeless 等商业化产品差不多了
如果不是性能非常顶级的机器，我比较建议的使用本地 STT+云端 DeepSeek 。
因为现在做了上下文管理，我个人体感识别校准效果和 typeless 等商业化产品差不多了
May 13 Replied to a topic by joe223 › 分享创造 › 开发了一个支持上下文感知的语音转文字的输入法客户端 AriaType, 希望能获得大家技术/产品上的一些建议 |
@yukminnie 当前用的本地 STT 模型主推 sensevoice ，比较小巧精悍。如果开 polish 的话，很难了，2B 模型才有比较好的表现。建议用 DeepSeek V4 flash , 非常省钱
May 13 Replied to a topic by joe223 › 分享创造 › 开发了一个支持上下文感知的语音转文字的输入法客户端 AriaType, 希望能获得大家技术/产品上的一些建议 |
@yukminnie 1. 国内的化下载模型会走 mirror 站点，是不是开 VPN 了呀？ 2. 实时 STT 准确率略低于录音 STT ，所以目前倾向先录制，结束后出结果。为了尽可能快出结果，目前 PCM 数据是流式发送的，基本上 300ms 内出
May 12 Replied to a topic by joe223 › 分享创造 › 开发了一个支持上下文感知的语音转文字的输入法客户端 AriaType, 希望能获得大家技术/产品上的一些建议 |
不好意思，v0.5.1 有点 bug ，等我开完会重新 build 一个 0.5.2
Select Language