【开源自荐】说"PostgreSQL"给我转成"泼斯特格瑞赛口"，忍不了了，自己做了个语音输入法，连标点符号都能定制，支持 macOSWindowsiOS
- 内容介绍
- 文章标签
- 相关推荐
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
- 我的帖子已经打上 开源推广 标签： 是
- 我的开源项目完整开源，无未开源部分： 是
- 我的开源项目已链接认可 LINUX DO 社区： 是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
GitHub - lixiaojie001/byetype: ByeType 是一个 Markdown 驱动的 AI...
ByeType 是一个 Markdown 驱动的 AI 语音输入工具，用多模态大模型直接处理原始音频。编辑 Markdown 文件即可自定义专有词汇、转录规则和格式化策略，人名、术语、口水词、数字格式一次转录到位，减少二次修改。支持 macOS、Windows 和 iOS。
做这个工具的起因很简单：平时工作要写大量文字，试过各种语音输入，体验都很糟糕。人名永远打错，“张昱"变成"张宇”，“覃旻"变成"秦敏”；技术术语全是谐音，“PostgreSQL"变成"泼斯特格瑞赛口”，“Kubernetes"变成"库伯内提斯”；口水词一个不漏，“嗯”“那个”"就是说"全保留在里面。每次说完还得花好几分钟逐字修改，效率反而更低了。
后来想到一个思路：现在的多模态大模型已经能直接听懂音频了，为什么不把识别规则、专有词汇这些东西写成提示词，让模型在转录的时候一步到位？不需要先转成文字再用另一个模型纠错，一次就搞定。
于是做了 ByeType。
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容：
- 我的帖子已经打上 开源推广 标签： 是
- 我的开源项目完整开源，无未开源部分： 是
- 我的开源项目已链接认可 LINUX DO 社区： 是
- 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是
- 以上选择我承诺是永久有效的，接受社区和佬友监督： 是
GitHub - lixiaojie001/byetype: ByeType 是一个 Markdown 驱动的 AI...
ByeType 是一个 Markdown 驱动的 AI 语音输入工具，用多模态大模型直接处理原始音频。编辑 Markdown 文件即可自定义专有词汇、转录规则和格式化策略，人名、术语、口水词、数字格式一次转录到位，减少二次修改。支持 macOS、Windows 和 iOS。
做这个工具的起因很简单：平时工作要写大量文字，试过各种语音输入，体验都很糟糕。人名永远打错，“张昱"变成"张宇”，“覃旻"变成"秦敏”；技术术语全是谐音，“PostgreSQL"变成"泼斯特格瑞赛口”，“Kubernetes"变成"库伯内提斯”；口水词一个不漏，“嗯”“那个”"就是说"全保留在里面。每次说完还得花好几分钟逐字修改，效率反而更低了。
后来想到一个思路：现在的多模态大模型已经能直接听懂音频了，为什么不把识别规则、专有词汇这些东西写成提示词，让模型在转录的时候一步到位？不需要先转成文字再用另一个模型纠错，一次就搞定。
于是做了 ByeType。