AI 分析
痛点:主流听写工具都是云端订阅服务,音频要上传、按月付费,用户想要隐私可控、离线可用、一次下载模型就能本地推理的听写体验。
目标用户:注重隐私的开发者/写作者/知识工作者,尤其是经常口述代码、术语、需要自定义词表的重度键盘用户
证据:Most of the good dictation tools are cloud services. You talk, the audio goes somewhere, text comes back, and you pay monthly. I wanted the boring version: my voice stays on my machine, it works offline, and the model is a file I downloaded once.
变现:一次性买断的桌面 License(含一年更新),或免费核心 + 付费高级功能(自定义词表、per-app 配置、LLM 后处理、团队同步配置);也可做企业内网私有部署授权。
MVP:两周版:Tauri 桌面壳 + whisper.cpp/sherpa-onnx 本地 STT + 按住热键说话、松手粘贴 + 确定性文本清理(标点、大小写、数字规范化)。先只做 macOS 一个平台、一个模型,把「按下到出字」的延迟压到 1 秒内作为唯一卖点。
竞品:Wispr Flow、Superwhisper、MacWhisper、Aqua Voice、VoiceInk、Talon Voice
摘要:作者用 Rust + Tauri v2 自建了本地优先的桌面听写应用 NV oOS Cognition,支持 Parakeet TDT、Whisper、Moonshine 三种本地 STT,带预录环形缓冲、确定性文本清理和可选 LLM 润色,发帖只为求架构批评。帖中对比了云端听写服务「要上传音频、按月付费」的痛点,但没有任何付费意愿原话或收入数据,需求验证仅停留在作者个人主张。赛道已有 Wispr Flow、Superwhisper 等一批成熟付费竞品,竞争空间偏小。