演講逐字稿工具打算自己做
每次去聽演講，手寫跟不上，拍投影片也只是拍個形狀。精彩的話都是講者隨口說出來的——從來不會出現在任何一張投影片上。
如果你也有在聽演講或看線上課程，這篇講的就是你。
所以我現在的做法是：手機放口袋裡錄音，回家把音檔匯進 Mac，讓本地的語音模型（裝在自己電腦裡、不需要連外部服務的 AI 轉錄工具）跑逐字稿，再過一層 Claude（幫我把文字潤順的 AI 助理）把語意順過一次，最後存進特定資料夾，之後把它當素材丟給 AI 參考。
整個流程很麻煩，而且每次都得手動走一遍。
真正想要的就這四個
認真整理了一下，需求其實很具體：
- 中英夾雜都能認——英文出現時常常是專有名詞，而且是台式發音，要能正確辨識
- 錄音當下就給逐字稿——就算連續錄超過一小時也不能掛掉
- 能錄到任何對話——包含 Google Meet、Line、Messenger 通話，不只是現場收音（通話音訊的擷取方式在目前方案中尚未完整解決，預計列入未來版本）
- 逐字稿直接存到 Mac 的特定資料夾——不要再轉一手
這四個加在一起，現有的工具要嘛只能做到其中幾個，要嘛用起來還是不順。
現在能做的：用 NotebookLM
如果沒有自架語音轉文字的本地模型，目前最容易上手的免費選項是 NotebookLM（Google 的 AI 知識管理工具，可以把各種資料來源丟進去再跟它對話）。
流程是：在錄音 app 選取音檔 → 點分享，進到 NotebookLM → 匯入錄音 → 直接問它「請給我逐字稿」。
品質大概 80 分，已經能用。限制是流程得手動走，而且要等錄完才能開始，拿不到即時的文字。
打算自己做一套
所以打算把這條流程包裝成一套軟體。
（以下是技術細節——如果你是工程師，歡迎留言提供思路；不是的話，這段可以直接跳過。）
初步的想法是類似 Typeless（跨平台的 AI 即時聽寫工具，把語音送去付費的辨識服務，不需要自己架模型）的模式：接一個即時語音轉文字服務（把你說的話即時送到雲端，馬上吐出文字），再透過 Tailscale（讓不同裝置在任何地點都在同一個私有網路裡的 VPN 工具）把手機跟 Mac 串起來——逐字稿直接寫進本機的資料夾。
有人有更好的實作思路嗎？
如果這個方向讓你有共鳴，可以先追蹤我，做出來再跟各位分享。
最近開始做免費的一對一諮詢，幫你把 AI 接進自己的工作流——有需要的話可以約：https://www.dawsonwang.com/