Launch HN：Aqua Voice（YC W24）——语音驱动的文本编辑器

总体反应

• 许多评论者认为这个演示“令人惊叹”且立即有用，尤其是与过去的听写工具相比。
• 有些人当场订阅，或者表示如果它能更好地融入他们的工作流，他们会“很乐意付费”。
• 也有人很兴奋，但因为延迟、笨拙或缺少功能而放弃，并很快取消了订阅。

使用场景和目标用户

• 对以下人群有很强吸引力：
  • 受 RSI、神经病变、残疾和阅读障碍影响，依赖或偏好语音的人。
  • 用于论文、邮件和记笔记的学生和知识工作者。
  • 医疗行业（医生、牙医、放射科医生），因为听写本来就非常普遍。
  • 希望在 IDE/编辑器中集成的开发者和重度用户（VS Code、JetBrains、Obsidian、Joplin、Notion、Raycast）。
• 具有想象空间的场景：全天候后台记笔记、步行/骑行时的长篇口述、会议/白板转录、采访回顾、食谱、演讲稿、剧本。

交互模型：自然语言 vs 命令

• 产品倾向于从语音本身理解意图，而不是依赖“命令”。
• 一些用户认为这是正确的长期方向；另一些人则认为，自然语言永远不会像显式命令那样高效。
• 反复出现的请求包括：
  • 混合模式：自然语言 + 用户自定义命令/宏/别名。
  • 更好地支持结构化格式（表格、剧本、代码）以及领域词汇（首字母缩略词、自定义词典）。

技术 / 产品细节

• 使用自定义的“fusion”模型处理意图，并使用微调过的 GPT-4 做重写/转换。
• 目前是浏览器应用；Mac 应用仍在变化中；强烈需求包括：
  • 原生桌面和移动应用。
  • 跨所有文本字段的系统级“键盘”式集成。
  • API 访问，方便他人构建插件和原生封装。
• 反馈的问题包括：Firefox 音频错误、Edge 问题、麦克风选择不便、口音识别错误（例如苏格兰口音）、AirPods 音质问题，以及有时编辑过于保守。

定价、tokens 和商业模式

• 用户对面向用户的单位使用“tokens”感到困惑和不满；有人建议改用词数、分钟或基于时长的试用。
• 有些人希望采用按量付费/积分制，而不是订阅。
• 有人担心免费额度太少，无法真正评估日常使用效果。

隐私、数据和平台顾虑

• 多位用户询问音频/文本会发送到云端哪些内容、保留多久、是否会用于训练。
• 有些人愿意为严格删除/不训练模式支付额外费用。
• 对仅支持 Google OAuth 注册的做法反弹很强；用户要求支持基于邮箱的账号以及非 Google 选项。
• 也有人希望有本地/离线模型，以兼顾隐私、成本和可靠性；一些人建议“个人使用本地，商业使用付费云端”。