Why 为什么做 vokie
这是我和两个小伙伴搓的语音助手，已经开放公测了，如果恰巧你愿意试试我们万分荣幸。
最早接触到 AI 语音产品是 2025 年的 Wispr Flow 。这类产品让我思考 —— 在 Agent 时代我们和机器的交互方式是否有新的可能性。
说话是最自然的人类表达，还不识字的婴儿就会说话。不可否认，键盘是一个伟大的发明，它把我们的思维和机器连接在一起。即使 LLM 极大推动了 ASR 等技术的发展，我也不认为打字和语音输入是替代的关系。
一个有意思的变化是，从 ClaudeCode CLI 开始，我们和 Agent 的沟通量级指数级上升。对 Agent 来说，略显啰嗦的人类口喷，恰恰是最重要的 context。
vokie 就是要把最自由的表达，还给所有人。想说就说，不用打腹稿、理思路，直接喷给 Agent ！
Different 有什么不同
语音输入最核心的，是理解并尊重用户的语义，在此基础上做文本的整理和润色才有意义。
接住口语表达习惯，比如各类口语词、重复、口癖，甚至是对之前表达的口头修改。
越用越懂你，自动识别热词并学习，改一次下次就能识别准确，并且支持配置常用语。
每个人的习惯不同，在不同场景的诉求也不同。因此我们做了表达场，将自由度还给用户。
除了语音输入，vokie 拓展了记录、实时翻译等场景，帮助大家记录、理解重要的语音内容。
（ 比如，一个全局的录音记录工具，不像飞书妙记那么重，又不依赖腾讯会议等客户端）
语音不只是说完即抛的内容，也是重要的上下文。当我们需要的时候，应该可以随时方便的调用。
Challenge 碰到的挑战
首先，是很多用户还在旧有的习惯里，不愿意尝试语音，或者浅尝辄止。诚然，在办公场域里，开口天然指向社交尴尬。如果有专用的口喷硬件，是否能够缓解大家的社交尴尬？
（ 硬件探索方面：如果你有 AppleTV 遥控器， 你想用它口喷。vokie 内置了对它的支持，连上 mac 就能用 ）
其次，是巨量的低质量的竞品，其中包括“大厂出品”的“毛坯”和个人开发者几天时间 vibe 出来的“ 玩具”。我们乐见百花齐放，但是当大量的低品质的产品喂国人吃 *，和增加用户的选择成本，其实并不是一个好的生态。我想其他产品可能也有类似的困境，何解？
最后，是如何增长？目前通过 X 、口碑传播等，已经有了一定的用户基础。我们希望 vokie 能够将更多用户带入语音工作流时代，自由奔放的创造。这是 vokie 的初心，其次才是商业价值。
以上是目前让我们头疼的几个点，欢迎大家吐槽或者帮忙出出主意。
欢迎感兴趣的小伙伴下载试用，也欢迎加群唠唠
（我们准备了一些质感很棒的 vokie 周边，可以找我来要）
2
Select Language