Voice-Driven Coding: Dictation for Developers (Comments, Docs, Prompts, and Commit Messages)
开发者效率阅读约 1 分钟

用声音辅助编程:写给开发者的听写指南(注释、文档、提示词和提交信息)

用本地听写更快地写出注释、文档、AI 提示词和提交信息,每一个词都在你自己的电脑上私密转录。

代码库不是一个字一个字敲出来的。你敲的是语法,再围绕它写一大堆文字:解释“为什么这么做”的注释、文档字符串、提交信息、PR 描述,还有那段终于让 AI 助手明白你真实意图的长提示词。一天的时间,往往就耗在这些文字上。在敲符号和写整句之间来回切换,每次都会打乱你的节奏。

声音解决的正是这一部分,本来顺手的部分则完全不受影响。写逻辑时,双手照样放在键盘上;逻辑之外的那些文字,交给听写。

  • ~98%
    清晰语音的识别准确率
  • 29+
    种语言可在本地转录
  • 0
    字节音频或代码上传

语音真正派得上用场的地方

这里说的不是念函数名,也不是把正则表达式一个符号一个符号读出来。硬要用语音输入精确语法,只会和工具较劲,最后还是输。真正的收益在自然语言这一层:你组织的是想法而不是符号,在这里,说远比打字快。

  • 注释和文档字符串。说清一个函数为什么存在,而不只是它做了什么,用嘴说比用手打容易得多。先把思路讲一遍,再整理措辞。
  • 提交信息和 PR 描述。改了什么、为什么改,本身就是一段文字。用说的,你就不会习惯性地写一句敷衍的单行说明,到代码评审时谁也看不懂。
  • AI 提示词。指挥编程助手本来就是一场对话。口头说出一段详细、条理清楚的提示词,比打字快,多出来的上下文往往还能换来更好的答案。
  • 文档和 README。安装步骤、架构说明、迁移指南,边讲边写会更自然,初稿尤其如此。

速度差距一目了然

大多数人打字每分钟 40 到 60 个词,说话却能达到 130 到 150 个词。给提示词补一段上下文,或者写一条完整的提交信息,差别就是几秒钟和一分钟机械劳动之间的距离,而这一分钟你本可以用来思考。

打字约 40–60 词/分钟
说话约 130–150 词/分钟

你照样要检查和修改,和打字写出来的东西没有两样。区别在于,你面对的是一份完整的初稿,而不是空行上一个闪烁的光标。

怎样融入你的编辑器

DijiFlow Dictate 待在 Mac 的菜单栏里(Windows 上是系统托盘),不会打扰你。没有需要管理的窗口,也不用复制粘贴,文字会直接出现在光标所在的位置。

  1. 设置一次快捷键

    选一个全局快捷键。它在整个系统里通用,不用为每个应用单独配置。

  2. 按下快捷键,开口说

    用平常的语速说就行,无论你是在编辑器、终端的提交信息输入处、文档文件,还是 AI 助手的输入框里。

  3. 文字出现在光标处

    你说的话会出现在当前正在使用的应用里,不管是 IDE、浏览器还是终端,你的工作方式不需要任何改变。

因为靠的是一个全局快捷键,而不是逐个工具去集成,同一套用法就能覆盖 VS Code、JetBrains、终端里的 Vim、浏览器里的 PR,还有你的 AI 助手。不用给每个编辑器单独安装插件。

涉及代码时,本地处理为什么更重要

源代码、内部文档和提示词,本身就包含敏感信息:专有逻辑、基础设施细节、客户信息、尚未公开的计划。云端听写会把你的语音发到远端服务器处理;如果你说的内容涉及受保密协议约束的代码,或者你绝不会贴进公共工具的系统,这就是个实实在在的问题。

DijiFlow Dictate 的转录 100% 在你的电脑上完成。它使用在你设备上运行的语音模型,音频和文字都不会上传。不需要账户,也不用和云端来回传数据。模型只需下载一次(按你想要的准确率不同,大小从约 300 MB 到 6 GB 不等),之后转录就不再需要联网。Mac 版应用本身只有约 34 MB。无论是在飞机上、在管控严格的企业内网里,还是在讲解机密架构的时候,你都可以放心听写,声音和文字都留在设备上。

要点

专有代码、提示词和架构笔记都留在你的电脑上。没有哪台服务器存着转录文本,可供窃取、记录或移交。

通用模型从没听过的词

技术文字里满是词典查不到的词:你们的服务名、内部缩写、各种库的名字。Pro 版的自定义术语可以把这些词固定下来,让它们被正确转录,而不是变成词典里最接近的那个词。再加上 29 种以上的语言都能在本地转录,分布在各地的团队成员可以用自己思考时用的语言听写,全程不经过云端。

几个让听写更顺手的习惯

  • 文字用说,符号用打。先把句子说出来,再手动补上反引号、标识符和运算符。
  • 把标点说出来。模型对自然的说话方式处理得很好,但把句号、逗号说出来,长长的技术句子会更好读。
  • 提示词里先把背景交代清楚。把文件、目标和限制条件完整说一遍。用说的,交代得再详细也几乎不费力。
  • 先出初稿,再慢慢打磨。先把完整的初稿说出来,再逐字推敲。这比边写边追求每个词都完美效果好得多。

在你自己的工作流程里试一试

可以从永久免费的免费版开始,也可以用完整的 30 天试用,在一整天真实的提交、提示词和 PR 里跑一遍,再决定要不要升级到 Pro。如果你在写代码的间隙渐渐习惯了用说的来完成这些文字,它省下的麻烦很快就会值回成本。

如果你希望说出的初稿直接写进注释、提交信息和提示词,而且没有一个词经过云端,看看 DijiFlow Dictate Pro 如何融入你的工作流程。

DijiFlow DictateDijiFlow Dictate

DijiFlow Dictate 团队

关于私密、本地听写,以及用声音完成更多工作的笔记。