Blog
关于语音、AI,以及打造「隐于无形」的工具这门手艺的思考 —— 来自一支既做算法研究、又每天用 AI 产品的小团队。
全模态语音输入:多模态理解、MoE 与流式文本输出
全模态语音输入需要拆分式流水线、流式音频和 Mac 本地上下文。本文拆解 Loqua 的语音栈。
对比
教程
Mac 会议语音笔记:从语音到笔记、行动项和完成
Mac 会议语音笔记工作流:在通话中捕捉笔记、行动项、Notion 项目符号、Things 任务和后续跟进。
如何在 Mac 上用语音写代码:Cursor、VS Code 和 Claude Code 完整指南
用 Loqua 在 Mac 上语音写代码:camelCase 标识符、经得起 review 的 commit message、保留你表达习惯的 PR 描述。6 个完整示例 + 设置步骤。
AI coding 的语音输入指南:不用打字,用语音 prompt Cursor 和 Claude Code
一份实用的 Cursor + Claude Code 语音 prompt 指南:结构化 prompt、文件上下文、Cursor 和 Claude Code 工作流,以及中英混合输入。
写作者的免手打听写:如何一次写出 3000 字小说、文章或长文初稿
面向写作者的听写工作流:更干净的初稿、角色词典、按应用格式化、语音编辑,以及长文写作练习。
工程
语音输入中的强化学习:Loqua 语音栈里的 GRPO、DPO 与 on-policy distillation
语音输入中的强化学习,帮助 Loqua 在监督训练收益变小之后继续改进罕见术语、延迟和自然输出。
多模态语音识别:打造一个能看见你所见的监听器
多模态语音识别把音频和本地屏幕线索结合起来,帮助 Loqua 判断同音词、代码标识符和应用上下文。
音频事件检测听写:词语之外有意义的声音
音频事件检测听写是 Loqua 的一个研究方向:把笑声、停顿和声音线索作为结构化写作的可选上下文。
语音输入架构:Loqua 三模型语音输入栈内部解析
一篇 blog 级别的 Loqua 语音输入架构说明:为什么三个面向任务训练的模型(语音识别、语言智能、屏幕上下文)比一个大模型更适合听写。
语音遇见视觉:全模态模型如何打开多模态语音输入
为什么多模态语音输入需要同时理解声音和屏幕上下文,公开的全模态研究给了我们什么启发,以及 Loqua 在 Mac 上如何落地。
Mac 私密语音听写:Loqua 的混合语音输入栈如何把数据留在你这一侧
一种面向 Mac 的私密语音听写架构:Loqua 哪些部分保持本地运行,何时可选使用云处理,以及隐私边界如何真正生效。
效率
用语音和 AI 一起思考:为什么键盘不是合适工具
用语音和 AI 一起思考,可以在键盘把半成形想法压缩成脆弱提示词之前,保留更多语境和细节。
语音优先工作流:我们一天的 voice-first 工作方式
Loqua 创始人的语音优先工作流笔记:收件箱、站会、代码审查、规格草稿、Slack 和日记。
语音生产力栈:我们实际用来写作、交付和思考的 9 个工具
语音生产力栈指南:Loqua、Claude Code、Cursor、Obsidian、Granola、Linear、Raycast、Things 3 和 Spark。
语音输入工作流:日常 AI 工作中 8 个被低估的用法
面向 AI 工作的语音输入工作流:commit、PR、Linear issue、回复、脑暴、spec、代码注释和异步站会。