我花三小時復刻了一個要收費的語音工具

2026-02-24 · Simon 巫

因為我不想再讓一個 App「可能」偷聽我說話。

事情從一個隱私疑慮開始

用了一陣子的語音工具，上週我認真考慮要不要把它刪掉。

市面上有一個我很喜歡的語音輸入工具，按一個鍵說話，說完自動貼到任何 App，還會幫你潤稿。

用起來非常順手。

那種體驗真的很絲滑，你腦子裡有想法，不用打字，直接說，說完它幫你整理好，自動貼到你正在用的任何視窗。

用久了之後你會開始覺得打字是一件很麻煩的事情。

然後某一天，臉書上開始有人討論這類工具的隱私問題。

我不是那種看到標題就馬上刪 App 的人。

我去爬了一下大家的留言，看完之後沒有結論，但心裡就是卡了一根刺。

我意識到一件事：這個工具每天都在聽我說工作內容、私人想法、還沒公開的計畫。

不是偶爾，是每天。

那一刻我不知道該怎麼繼續用它，但也不知道沒有它要怎麼辦。

那一刻我突然意識到，這不只是一個 App 的問題。

這是主權的問題。

當你的生產工具握在別人手上，你就永遠只是租戶。

當你的聲音、資料、工作流都經過別人的伺服器，你的效率其實建立在別人的允許之上。

我不想只是用工具。我想擁有它。

「與其擔心，不如自己復刻一個」

然後我在某篇貼文留言裡看到有人丟了這麼一句話。

我盯著那句話看了一下。

以前這種話我會直接划過去，因為「自己復刻」四個字背後是一整座我翻不過去的山。

要會寫程式、要懂音訊處理、要知道怎麼串 API、要處理跨 App 的系統權限，光是列出來就已經讓大多數人關掉視窗了。

但這次我沒有馬上划走。

我想到 Codex。我想到它最近跑出來的那些示範影片。

今天下午突然有了動力，我打開新的視窗，開始打第一行字。

Codex 是 OpenAI 推出的 AI 工程師助手，你用自然語言描述你要什麼，它幫你寫程式、建檔案、處理邏輯。

不是那種「幫你補全一行程式碼」的工具，是真的可以從零開始建一個專案的那種。

我跟它說：我要一個全域熱鍵錄音工具，錄完之後自動語音轉文字，轉完之後幫我潤稿，最後貼到我正在用的 App。

要支援繁體中文，要可以自訂詞典，要打包成一個正常的 macOS App，不要讓我每次都開終端機。

然後它就開始動了。

三個小時，從零到一個真的能用的 App

我沒有寫任何一行程式碼。

但我也沒有在旁邊喝咖啡等它跑完。

整個過程我大概跟它來回了幾十輪。它做出來，我測試，發現問題，告訴它哪裡不對，它修，我再測。

有時候一個 bug 要來回四五次才解乾淨。

中間踩過的坑包括：API 金鑰讀取錯誤導致一直跳 401、音訊格式不對被 Whisper 拒絕、熱鍵邏輯做反了導致錄音瞬間就停、在某些 App 裡貼上完全沒反應。

每一個問題我都要用人話描述給它聽，然後看它怎麼解。

三個小時後，一個叫做 Simon9319 的 macOS App 出現在我桌面上。可以雙擊開啟，不用終端機。

第一次真的錄音測試，我說了一段工作筆記。它轉完，我看了一眼，繁體中文，乾淨，沒有奇怪的錯字。

我盯著那個視窗看了大概五秒。這是我做的東西。

整個工具跑在本地，語音資料走的是我自己的 OpenAI API 金鑰，不經過任何第三方服務的伺服器。

這就是我最在意的部分。不是因為我多懂技術，而是因為我開始把自己的基礎設施握在手裡。

以前我以為一人公司只是少人。現在我才明白，一人公司真正的核心，是你是否開始打造自己的基礎建設：自己的流程、自己的工具、自己的資料、自己的主權。

當這些東西慢慢建立起來，你會發現，你不是在用 AI。

你在指揮它。

能做出這件事的人，不是最會寫程式的人

整個過程讓我感觸最深的，不是「AI 好厲害」。

而是我意識到，現在這個門檻已經低到：只要你能把你要什麼說清楚，你就能做出東西。

我發現一件事。

AI 不會幫助最聰明的人。它會幫助最清晰的人。

如果你連自己要什麼都說不清楚，AI 只會給你模糊的答案。

當你知道問題在哪、你想要什麼結果、你願意一輪一輪修正，它會把你的能力放大十倍。

這件事需要思考，需要耐心，需要願意一輪一輪地來。但不需要你懂 TypeScript，不需要你知道什麼是 IPC，不需要你理解 macOS 的權限怎麼運作。這些東西 AI 都知道，你只需要知道你自己要什麼。

三小時。一個我以為做不到的東西，現在在我桌面上。

這個時代最大的差距，不是會不會寫程式。

是你還在等，還是你已經開始第一步。