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。

# voice to action · 共 3 篇文章

清除条件
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。

AI 动向 5 分钟

构想未来:Voice to Action 技术理论与产业变革

本文提出了“Voice to Action(语音即行动)”的核心理论,旨在超越传统的“语音转文字”模式,实现系统对用户意图的深度解析与自动化执行。探讨了这一理念如何推动硬件创新、重塑开发者的工作重点,并展望了万物互联的智能社会愿景。