自己做了软件开发「指挥」才知道过去的软件开发者有多草台

比如说我要做的这个 App「顺词」，一个提词器的 App
核心的产品点是语音识别来代替手动的提词操作，并且提供了语音指令来做识别率的备份，我自己测试下来，只要普通话正常就可以有 90% 以上的识别率，所以体验是不错的，目前得到的反馈也都非常好。

那过去的开发者草台的地方在哪呢？

首先是识别率，识别率这个东西实现的方式就 2 种，第一种就是互联网实时，但你知道的，一旦需要联网就要搭服务器，用自己的也好用别人的也好，钱都是哗哗的还得维护。第二种方式就是内置语音识别模型，我目前试了好几个模型，可以说是准确率天差地别，并且识别率呈现了一种跟模型体积成正比的趋势，也就是说模型体积越大识别率相对越高（不保全部是），所以目前 100 多 M 的提词软件，在 我第一个版本里测试的准确率大概在 70%，第二个版本我就换成了 200 多M 的模型，长句的识别准确率直接提高到 90% 以上。

免费开源的模型有这么多，但过去的开发者就是不用 ，而且收巨贵的钱。

第二个草台的就是拾音

买过不少提词软件的朋友应该都知道，近距离识别还行，但是到了远距离识别（超过 2m），多多少少都会有拾音的问题。我在指挥开发的时候，就明确说，做一个 「3 米拾音」的模式，简单来说，就是在软件里打开远距离拾音的开关之后，把较小的输入声音逐步放大，最多到 4 倍，再配合去直流、极低频滤波和峰值限制。

这样几乎就能让远距离识别的准确率高了非常多。而下一步我准备直接调用手机的降噪 API，让识别率再上一个台阶。

但是就这么一个东西，市面上 200-300 的提词软件也没有做，不理解。

[手指比心]配图是提词器的 logo，正在同步上架流程，后续我会同步给大家进度。