SuperAPI AI 工具集

dictate

通用与其它

查看项目

更新于 10-15 20:09

技能介绍

用途:当用户询问过去的听写记录、按住即说交互方式,或桌面应用如何采集音频时使用本技能。会议(日历同步、含摘要与参会者)应改用 meetings 技能。

主要能力:列出历史听写(/dictate,view: "dictate");打开单条听写查看原文与 AI 清理后文本(dictationId);事后清理单条听写文本;处理桌面托盘 Hold-Fn / Cmd+Shift+Space 的交接。数据模型 dictations 含 id、fullText、cleanedText、durationMs、audioUrl、source(hold-fn | hotkey | manual)、createdAt。fullText 为设备端原始转写,cleanedText 为可选 AI 润色版,界面显示 cleanedText ?? fullText。

使用方式:动作有 list-dictations、cleanup-dictation、cleanup-transcript,均经 accessFilter / assertAccess,AI 工作通过 sendToAgentChat 委派,禁止内联 LLM 调用。清理凭据顺序:优先 Builder.io Connect(托管 Gemini 3.1 Flash-Lite,无需密钥),其次 BYOK Gemini(用户自己的 GEMINI_API_KEY);cleanup-transcript 不路由到 Groq 或 OpenAI。设置 → Voice & Transcription 中的开关控制是否自动清理。导航状态为 { "view": "dictate" } 或带 dictationId。常用命令:pnpm action navigate --view=dictate;pnpm action cleanup-dictation --id=<id>。

限制:Dictate 仅采集麦克风,不录制系统音频(系统音频分离仅属 Meetings)。按住即说流程由桌面应用(src-tauri/)负责,代理不得在服务端启停听写,原生按键监听是唯一入口;AI 清理为后台处理,不得阻塞松手即粘贴。UI 约定:列表为可展开行,原文在上、清理文本在下;听写中指示为红色动画圆点;仅用 Tabler 图标;Inter 字体、单色风格。修改听写 UX 前应先阅读 templates/clips/desktop/design-refs/wispr-ux.md。