VibeCoding Japan 文章归档
Article archive

文章归档

支持对已公开的 133 篇文章进行关键词模糊搜索、分类与标签筛选。

# 音声認識 · 共 4 篇文章

清除条件
开发事例 6 分钟

从 11 月 3 日的一场热身 Demo,到我的 AI Agent 四阶段蓝图

11 月 3 日与朋友的小型分享会前,我先做一个把轻音乐自动转成钢琴谱并模拟演奏的热身 Demo,用它验证音频处理与 MIDI 生成链路。之后回到核心产品:用 Neo4j 知识图谱为 Agent 赋予动态的“Why”,并沿 STT 提速、知识碰撞、Why-Action-Reaction 闭环、Ambient IoT 硬件化四个阶段推进。文章也记录了目前尚未确定的问题与每周推进的方式。

开发事例 8 分钟

用一套「App + Server」,把长语音自动变成多语言博客

介绍我 9 月做的一套 App 加服务器语音处理系统。长时间的通话录音被压缩上传到谷歌云,再由一台只有 CPU、没有 GPU 的电脑轮询获取,用 faster-whisper 完成长音频转写,并通过 CLI 启动 DeepSeek Harness 运行 skill。云端系统支持上传自己的 skills 和脚本文件,处理完成后通过手机通知;脚本还能把内容转成三种语言并自动发布到博客。它在核心功能上接近 MUSE 和 Dota,但长语音转写只用 CPU、成本很低。下一步计划加入自动判断引擎,让系统自行决定执行哪些 Action Skills 以及执行顺序。

开发事例 7 分钟

Voice to Action 系统完成:用只有 CPU 的小电脑与 DeepSeek Harness 把录音变成三语博客

以“语音变行动”为理念的 Voice to Action 系统完成。它以家里一台只有 CPU 的小电脑作服务器,配合 App、云端与 Firestore 管理状态,用 Fast Whisper 把语音转成文字;再以 DeepSeek Harness 的 DeepSeek Flash 模型为引擎,执行带 script 的 skills,支持从云端上传并运行。最终实现从录音自动生成日中英三语博客,并通过 API 一键上传。整套方案轻量、不需要 GPU。

开发事例 6 分钟

普通人如何用 AI 搞定从 0 到 1 的职业跃迁:从「翻译官三层境界」到「散步写博客神器」的经验分享

本文围绕从助理工程师转型市场和品牌的咨询,剖析了 AI 时代重构核心竞争力的路径。结合老翻译官的“三层境界”理论,阐述了从指令层、思维骨架转化层到商业变现层的心态转变。同时,作者分享了自身利用 Vibe Coding 与 Codex ツール,在两周内通过解决日常痛点,搭建出“散步语音自动生成博客”的高效全自动Pipeline子系统的实战案例,以此赋能跨界创新。