VoiceToTextApp 项目笔记

日期： 2026年3月11日

项目简介

这是一个将语音转为文字的程序，并支持唤醒功能。项目本身没有技术门槛，主要使用现成的工具和库。

主要缺点： 使用的唤醒词引擎 Porcupine 是一个商业工具，存在一个月必须联网校验一次的限制。曾尝试用 Sherpa-ONNX 替代，但没有成功。

项目的特殊意义

此项目的所有代码均由 OpenCode 自带的 MiniMax M2.5 Free 模型生成，本人未亲手编写一行代码。这作为我个人使用 AI 生成项目的里程碑，具有一定的纪念意义。

经验总结

在通过 AI 辅助完成此项目的过程中，总结出以下几点经验：

1. 先规划，后编码： 务必先使用 Plan 模式，与 AI 共同总结出具体的实现步骤、技术栈等。确认无误后，再切换到 Build 模式，并将规划内容固化到 Plan.md 文件中，之后再正式开始编程。这能有效避免开发过程中偏离方向。

2. 成本控制意识： 使用 AI 编程确实比较耗费 tokens。例如，一次提交代码的操作，因为需要让 AI 先查看本次修改了哪些文件，会导致输入 token 较多，整个过程下来成本大约在 4 毛左右。因此，需要时刻关注 token 的消耗。

3. 善用版本控制： 在项目开始时，第一时间执行 git init 初始化 Git 仓库。每完成一个里程碑，就主动向 AI 提示提交代码。这样，如果后续出现问题，可以很方便地通过 git reset 来回退代码。注意，在类似 OpenCode 的环境中，可能需要主动告知 AI 去执行提交操作。

4. 借助外部工具节省 Token： 为了在关键的决策环节节省 Token 消耗，可以将技术方案的权衡、技术难点的预研（特别是排查复杂问题时）放在其他平台（如 Kimi 网页版）进行。在人类做好充分调研和判断后，再带着明确的方案提示给 AI，效率更高。

5. 避免 AI 处理复杂环境问题： 最重要的一点！尽量避免让 AI 去搭建复杂的环境或解决棘手的技术问题。AI 很可能会陷入解决问题的死循环，不断尝试各种错误的方法，从而浪费大量 Token。在这种情况下，人类的经验往往更有效。可以先由人工识别出问题的可能原因，再针对性地提示 AI。或者，将关键代码片段上传到免费的 AI 模型（如网页版大模型）进行分析，然后手动将解决方案粘贴到代码中进行测试。