openless/docs/voice-input-mvp-requirements.md

语音输入产品第一轮需求文档

生成日期：2026-04-26

1. 产品目标

本产品目标是做一个可以替代 Typeless、Wispr Flow 等付费语音输入工具的桌面语音输入软件。

第一轮不追求覆盖所有平台和所有高级能力，而是先完成一个可日常使用的核心版本：用户在电脑任意可输入文本的地方，通过快捷键说话，软件自动把口语内容整理成清楚、自然、可直接发送或继续编辑的文字，并插入到当前光标位置。

第一轮的核心判断标准是：

• 是否能明显减少打字时间。
• 是否能在常用输入场景中稳定工作。
• 是否能把随口说的话变成像认真打出来的文字。
• 是否能让用户觉得“这已经可以替代 Typeless 的基础付费价值”。

2. 第一轮产品定位

第一轮定位为“桌面端 AI 语音输入工具”，优先服务以下场景：

• 在 AI 对话工具中快速输入长 prompt。
• 在聊天工具中快速回复消息。
• 在邮件、文档、笔记中快速写内容。
• 在代码编辑器中输入自然语言需求、注释、提交信息或给 AI 编程助手的指令。

第一轮不做完整办公套件，也不做会议纪要工具。产品重点是“语音替代键盘输入”，而不是“录音文件转写”或“会议总结”。

3. 第一轮需求详情

3.1 桌面端常驻语音输入

第一轮需要完成一个桌面端应用，用户打开后可以常驻后台。

用户在任意应用中把光标放到输入框、编辑器、聊天框、文档或网页输入区后，可以通过一个快捷键启动语音输入。

第一轮至少需要支持：

• 快捷键开始录音。
• 快捷键结束录音。
• 录音过程中有明确状态提示。
• 结束后自动生成文字。
• 生成结果自动插入当前光标位置。

默认交互可以采用“按下快捷键开始，松开或再次按下结束”的方式。具体快捷键可以先有默认值，但需要给用户一个可理解、可修改的设置入口。

3.2 任意应用输入

第一轮需要实现“在用户原本打字的地方输入文字”的核心体验。

至少需要覆盖以下常见类型：

• 浏览器网页输入框。
• AI 对话框，例如 ChatGPT、Claude、Perplexity、Cursor Chat。
• 聊天软件输入框。
• 邮件编辑框。
• 笔记、文档、Markdown 编辑器。
• 代码编辑器中的文本输入区域。

如果某些应用无法直接插入，产品需要有可感知的兜底效果，例如把结果放入剪贴板，并明确提示用户可以粘贴。

3.3 语音转文字

第一轮需要把用户的自然语音转换成文字。

基础要求：

• 支持中文普通话输入。
• 支持英文输入。
• 支持中文和英文混合输入。
• 能识别常见英文产品名、技术名词、应用名和缩写。
• 自动添加基础标点。
• 自动处理自然停顿，让长段语音不要变成难读的一整段。

第一轮不需要追求所有语言覆盖，但中文、英文和中英混输必须是核心能力。

3.4 自动清理口语内容

用户说话时通常会有停顿、重复、口癖和临时改口。第一轮需要把这些内容整理成更适合阅读的文字。

需要处理：

• 去掉“嗯”“啊”“那个”“就是”“you know”等口癖。
• 去掉明显重复的词句。
• 用户中途改口时，尽量保留最终想表达的版本。
• 把过于口语化但无意义的连接词减少。
• 保持原意，不要过度改写成完全不同的内容。

示例效果：

用户说：

嗯你帮我跟他说一下，就是我们今天可能来不及发版本了，那个先把测试环境的问题修掉，然后明天上午再同步。

输出应接近：

你帮我跟他说一下，我们今天可能来不及发版本了，先把测试环境的问题修掉，明天上午再同步。

3.5 自动润色为可发送文本

第一轮需要提供一个默认的智能润色效果，让输出文字比原始口语更清楚、更完整。

需要达到：

• 语句通顺。
• 逻辑顺序清楚。
• 标点和段落自然。
• 语气不过度 AI 化。
• 保留用户本人的表达习惯。
• 聊天消息不要被润色得太正式。
• 邮件和文档可以更完整、更有条理。

第一轮至少提供 4 种输出模式：

• 原文模式：尽量忠实转写，只做基础标点和必要分句。
• 轻度润色：去掉明显口癖和重复，尽量保留原句式、原语气和用户习惯。
• 清晰模式：去口癖、去重复、整理句子和段落，作为默认模式。
• 正式模式：适合邮件、工作沟通、文档内容，语气更完整专业。

润色效果必须遵守以下原则：

• 结构化：当用户口述列表、步骤、计划、总结时，输出应自动变成清晰的段落、编号列表或项目符号。
• 标点化：不要让长语音变成一整段无标点文本，也不要机械地每隔几个词就加句号。
• 不过度 AI 化：避免过多套话、夸张修辞、生硬连接词和明显 AI 写作腔。
• 保留用户习惯：保留用户常用词、口吻、称呼、语气强弱和中英混合习惯。
• 不擅自扩写事实：可以整理表达，但不能增加用户没有表达过的新事实、新承诺或新结论。

3.6 当前应用语气适配

第一轮需要有基础的“当前场景适配”效果。

用户在不同应用中使用语音输入时，输出风格应尽量符合当前场景：

• 在聊天软件中，输出应简短、自然、像日常回复。
• 在邮件中，输出应更完整、有礼貌。
• 在文档或笔记中，输出应更结构化。
• 在代码编辑器或 AI 编程工具中，输出应更像清楚的任务说明或开发指令。

第一轮可以先做基础适配，不需要复杂自定义规则，但用户应该能明显感觉到同一段语音在不同场景下不会总是产出同一种生硬文本。

3.7 个人词典

第一轮需要支持个人词典，用来提升专有名词、产品名、人名、技术词和缩写的准确性。

需要支持：

• 添加词条。
• 编辑词条。
• 删除词条。
• 查看词条列表。
• 词条在后续语音输入中生效。

词典适合存放：

• 人名，例如团队成员、客户、投资人。
• 产品名，例如 Typeless、Cursor、OpenLess。
• 技术名词，例如 Supabase、PostHog、Whisper、Kubernetes。
• 公司内部缩写。
• 用户经常被识别错误的词。

第一轮个人词典不需要做团队共享，但必须为后续团队词典预留产品空间。

3.8 常用片段

第一轮需要支持简单的常用片段能力，用语音触发固定文本。

示例：

• 用户说“我的邮箱”，输出真实邮箱地址。
• 用户说“会议链接”，输出固定会议链接。
• 用户说“签名”，输出固定邮件签名。
• 用户说“我的地址”，输出固定地址。

第一轮需要支持：

• 创建触发词。
• 创建展开内容。
• 编辑和删除常用片段。
• 在语音输入结果中自动替换。

常用片段的目标是解决重复输入，而不是做复杂自动化。

3.9 最近记录

第一轮需要有本地最近记录，方便用户找回刚才的输入内容。

需要支持：

• 查看最近的语音输入结果。
• 复制某条历史结果。
• 删除某条历史结果。
• 清空全部历史。
• 用户可以关闭历史保存。

历史记录第一轮只需要保存在本机，不需要跨设备同步。

3.10 设置页

第一轮需要有基础设置页，让用户能够控制关键行为。

至少包括：

• 快捷键设置。
• 麦克风选择。
• 默认输出模式。
• 是否保存历史。
• 个人词典管理入口。
• 常用片段管理入口。
• 隐私说明入口。

设置页不需要复杂，但要让用户知道产品正在做什么，以及如何调整最影响体验的几个选项。

3.11 权限和新手引导

第一轮需要有简洁的新手引导，帮助用户完成首次设置。

需要说明：

• 为什么需要麦克风权限。
• 为什么需要在其他应用中插入文字的权限。
• 如何测试第一次语音输入。
• 如何修改快捷键。

新用户第一次打开产品后，应该能在 1-2 分钟内完成设置，并成功在一个输入框里用语音打出第一段文字。

3.12 隐私和数据控制

第一轮需要把隐私作为明确卖点。

用户需要能看到清楚的隐私说明：

• 语音和文本是否会被保存。
• 历史记录是否只保存在本机。
• 用户是否可以关闭历史记录。
• 用户是否可以删除历史记录。
• 用户数据不会被用于训练模型。

第一轮不一定要完成所有企业级合规能力，但要让个人用户放心日常使用。

3.13 润色结果检查与恢复

第一轮需要让用户对“自动润色”有基本掌控感，避免用户担心产品擅自改写。

需要支持：

• 最近一条输入可以查看原始转写和最终润色结果。
• 用户可以复制原始转写或复制润色结果。
• 用户可以对最近一条结果切换输出模式，例如从清晰模式改为原文模式或正式模式。
• 如果自动插入失败，最终润色结果必须保留在最近记录中。
• 当润色改动较明显时，界面应有轻量提示，让用户知道结果已经被整理过。

第一轮不需要做复杂 diff 对比，但需要让用户能找回原始内容，并能理解产品不是黑盒改写。

4. 第一轮实现效果

4.1 基础使用效果

用户安装并完成设置后，可以在任意常用输入场景中按快捷键说话。说完后，文字会自动出现在光标所在的位置。

用户不需要先打开一个单独转写窗口，不需要手动复制粘贴，也不需要把内容从另一个应用搬回来。

理想感受是：

我原来要打字的地方，现在可以直接说出来。

4.2 文本质量效果

输出结果应该不是机械转写，而是“可读、可用、接近可发送”的文字。

用户随口说一段话后，产品应自动完成：

• 删除无意义口癖。
• 修正明显语病。
• 加上标点。
• 整理段落。
• 保留用户真正想表达的内容。

第一轮达到的目标不是写作神器，而是让用户不用反复修正语音转写结果。

4.3 工作沟通效果

在聊天和邮件场景中，用户应该能快速生成自然回复。

示例：

用户说：

帮我回他说我们已经看到了这个问题，今天下午会先排查一下，如果是配置问题的话应该今天能修，如果是代码问题我们明天上午给他一个明确时间。

清晰模式输出应接近：

我们已经看到这个问题了，今天下午会先排查。如果是配置问题，应该今天可以修好；如果是代码问题，我们明天上午给你一个明确的修复时间。

正式模式输出应接近：

我们已经收到并关注到这个问题。今天下午会先进行排查。如果确认是配置问题，预计今天可以修复；如果涉及代码调整，我们会在明天上午同步明确的修复时间。

4.4 AI 编程输入效果

在 Cursor、Claude、ChatGPT 等工具中，用户应该可以用语音快速输入较长的开发需求。

示例：

用户说：

帮我把这个登录页面重构一下，保持现在的接口不要动，然后把错误提示统一放到表单下面，顺便加一下 loading 状态，提交的时候按钮不能重复点击。

输出应接近：

帮我重构这个登录页面，保持现有接口不变。请将错误提示统一展示在表单下方，并补充 loading 状态。提交过程中按钮需要禁用，避免重复点击。

4.5 中英混输效果

用户说中英混合内容时，输出不应该强行翻译或错误拆分。

示例：

用户说：

这个 feature 先不要 merge 到 main，等 Supabase 那边的 schema migration 跑完之后再开 PR。

输出应接近：

这个 feature 先不要 merge 到 main，等 Supabase 那边的 schema migration 跑完之后再开 PR。

4.6 个人词典效果

用户添加个人词典后，后续输入中相关词汇应更稳定。

例如用户添加：

• OpenLess
• lvbaiqing
• Supabase
• Wispr Flow
• Typeless

后续语音输入时，这些词应尽量按照用户设置的写法出现。

4.7 常用片段效果

用户设置常用片段后，可以用短语触发长文本。

示例：

用户设置：

• 触发词：我的签名
• 展开内容：Best regards,\n[用户名]

用户说：

麻烦你看一下这个版本，有问题随时告诉我，我的签名

输出应接近：

麻烦你看一下这个版本，有问题随时告诉我。

Best regards, [用户名]

4.8 可恢复效果

如果文本没有成功插入，用户不应该丢失内容。

需要达到：

• 用户能在最近记录中找回刚才生成的文本。
• 用户能一键复制结果。
• 用户知道当前结果是否已经插入成功。

4.9 整体体验效果

第一轮完成后，产品应该能让用户在一天内真实使用多次，而不是只完成 demo。

体验目标：

• 启动快。
• 录音反馈明确。
• 等待时间可接受。
• 输出质量稳定。
• 插入失败有兜底。
• 常用设置容易找到。
• 用户愿意把它放在后台常驻。

5. 润色效果参考案例

以下案例来自 Typeless、Wispr Flow、Willow Voice、TalkTastic、Aqua、Superwhisper、MacWhisper 等公开产品页面或帮助文档。文档中的“我们的目标样例”不是直接照搬竞品文案，而是根据它们公开展示的能力，转化成第一轮可验收的产品样例。

案例 1：去口癖、去重复、保留最终意图

参考来源：Typeless 官网 公开强调去口癖、去重复、用户中途改口时保留最终意图，并能自动格式化 spoken lists、steps、key points。

用户输入：

嗯这个周报我想写三点，第一点是我们这周把登录问题修完了，第二点是，第二点先别写，应该是支付这块还在测，然后第三点就是下周要把灰度发出去。

我们的目标输出：

这周周报可以写三点：

1. 登录问题已经修复完成。
2. 支付模块还在测试中。
3. 下周计划发布灰度版本。

验收重点：

• 删除“嗯”“这个”等无意义口癖。
• 用户说“第二点先别写”时，输出保留用户最终想表达的第二点。
• 自动把口述内容整理成编号列表。
• 不额外添加用户没有说过的进度或承诺。

案例 2：按润色强度输出不同版本

参考来源：Wispr Flow Auto Cleanup 提供从原始转写到高度润色的多级清理，并允许用户控制改写程度。

用户输入：

小王那个明天的 demo 还是两点吧，不对三点，因为客户上午还有会，然后你帮我顺便提醒他把测试账号提前发一下。

原文模式目标输出：

小王，明天的 demo 还是两点吧，不对，三点，因为客户上午还有会。你帮我顺便提醒他把测试账号提前发一下。

轻度润色目标输出：

小王，明天的 demo 改到三点，因为客户上午还有会。你顺便提醒他提前发一下测试账号。

清晰模式目标输出：

小王，明天的 demo 改到三点，客户上午还有会。你顺便提醒他提前发一下测试账号。

正式模式目标输出：

小王，明天的 demo 时间调整为三点，因为客户上午还有会议。请你顺便提醒他提前发送测试账号。

验收重点：

• 同一段语音在不同模式下输出明显不同。
• 轻度润色最接近用户原本口吻。
• 清晰模式删除口癖并压缩表达。
• 正式模式更适合工作消息，但不增加客套废话。

案例 3：按应用场景调整语气

参考来源：Wispr Flow Styles 支持按个人消息、工作消息、邮件和其他类别配置语气；Typeless 官网 也强调不同应用使用不同 tone。

用户输入：

你跟他说一下我今天晚上可能没法看完，但是明天上午一定给他反馈。

聊天软件目标输出：

我今晚可能看不完，明天上午一定给你反馈。

工作 IM 目标输出：

我今天晚上可能没法全部看完，明天上午一定给你反馈。

邮件目标输出：

我今天晚上可能无法全部看完，但会在明天上午给你明确反馈。

验收重点：

• 聊天场景简短自然。
• 工作 IM 保留口语感，但表达更清楚。
• 邮件场景更完整，但不写成模板腔。
• 用户不需要每次手动切换模式，默认能根据当前应用做基础适配。

案例 4：自动标点和自然分段

参考来源：Willow Voice 自动格式化指南 说明产品会自动处理标点、换行、列表、段落和引号，也允许用户用语音命令精确控制。

用户输入：

今天先这样我们先把 onboarding 跑通明天再补设置页对了权限提示那里要简单一点不要写太长。

我们的目标输出：

今天先这样。我们先把 onboarding 跑通，明天再补设置页。

对了，权限提示那里要简单一点，不要写太长。

验收重点：

• 根据语义自动切句。
• 对“对了”这类转折做自然分段。
• 不把每个短停顿都变成句号。
• 保持用户随口说话的自然感。

案例 5：口述列表变成结构化列表

参考来源：Willow Voice 自动格式化指南 展示了口述编号和项目符号时，结果会变成真正的列表。

用户输入：

这个版本先做四件事，第一全局快捷键录音，第二说完自动插入当前输入框，第三加个人词典，第四加最近记录。

我们的目标输出：

这个版本先做四件事：

1. 全局快捷键录音。
2. 说完后自动插入当前输入框。
3. 添加个人词典。
4. 添加最近记录。

验收重点：

• 识别“第一、第二、第三、第四”为列表结构。
• 自动补齐简洁动作描述。
• 每个列表项长度相近，方便阅读。
• 不把列表写成一整段。

案例 6：邮件结构化

参考来源：Willow Voice 自动格式化指南 展示了邮件中问候语、正文和落款会被自动拆分成邮件格式；Superwhisper Email Mode 也强调把自然语音变成格式正确的邮件，同时保留自然语气。

用户输入：

Hi Alex 谢谢你今天的时间我觉得我们可以先从 Mac 版本开始下周给你一个可以试用的 demo best Leo。

我们的目标输出：

Hi Alex,

谢谢你今天的时间。我觉得我们可以先从 Mac 版本开始，下周给你一个可以试用的 demo。

Best, Leo

验收重点：

• 自动识别问候语和落款。
• 中英混合不被强行翻译。
• 邮件正文清楚，但不加入额外寒暄。
• 保留用户使用英文 greeting 和 sign-off 的习惯。

案例 7：中途改口和回退

参考来源：Willow Voice 自动格式化指南 说明产品能理解说话中途的修正；Wispr Flow Features 也展示了用户先说一个时间又马上改口时，结果应保留修正后的时间。

用户输入：

明天下午四点开会，不对，五点，四点我还有另一个 call，你帮我发给项目群。

我们的目标输出：

明天下午五点开会，四点我还有另一个 call。你帮我发到项目群。

验收重点：

• 保留最终时间“五点”。
• 不把“明天下午四点开会”作为有效安排。
• 保留解释原因。
• 输出应适合直接发送。

案例 8：原始转写和润色结果并存

参考来源：TalkTastic Components 说明产品会展示 cleaned transcript 和 AI rewrite 两类结果，并可根据上下文选择插入版本。

用户输入：

帮我跟进一下那个 supabase 登录失败的问题如果今天能修就今天发不行的话明天上午先同步原因。

原始转写目标：

帮我跟进一下那个 Supabase 登录失败的问题，如果今天能修就今天发，不行的话明天上午先同步原因。

润色结果目标：

帮我跟进一下 Supabase 登录失败的问题。如果今天能修复，就今天发版；如果不行，明天上午先同步原因。

验收重点：

• 默认插入润色结果。
• 最近记录中可以看到原始转写和润色结果。
• 用户可以复制原始转写。
• 用户不满意润色时，可以切回更接近原文的版本。

案例 9：开发者场景结构化 prompt

参考来源：Aqua 官网 展示了面向开发者和 AI 编程场景的 voice prompt，并能把设计 brief 整理成编号目标；Aqua File Tagging 也强调开发者可用语音引用文件名。

用户输入：

帮我改一下 pricing page，先突出 free pro enterprise 三个套餐，然后把速度和准确率放到最前面，最后加一个对比表。

我们的目标输出：

帮我调整 pricing page，重点完成三件事：

1. 突出 Free、Pro、Enterprise 三个套餐。
2. 将速度和准确率作为页面最前面的核心卖点。
3. 增加一个套餐对比表，方便用户快速比较。

验收重点：

• 开发需求自动转成清楚的任务说明。
• 产品名、页面名、英文套餐名保留英文。
• 适合直接粘贴到 Cursor、Claude 或 ChatGPT。
• 不擅自设计具体 UI 方案。

案例 10：用样例训练个人表达习惯

参考来源：Superwhisper Custom Mode 说明自定义模式可以添加 input/output examples 来教会 AI 预期输出；Wispr Flow Styles 也支持添加写作样本来学习用户风格。

用户表达习惯：

• 喜欢短句。
• 不喜欢过度客套。
• 经常保留英文技术词。
• 工作消息希望直接、明确，但不要命令感太强。

用户输入：

你帮我跟他说这个我看了方向没问题但是实现有点绕能不能先拆小一点我们先做核心链路。

我们的目标输出：

我看了，方向没问题，但现在实现有点绕。能不能先拆小一点？我们先把核心链路做出来。

验收重点：

• 输出直接、短句、清楚。
• 不写成“尊敬的某某”或过度正式语气。
• 保留用户的判断强度。
• 不把语气改得像 AI 助手生成的模板消息。

案例 11：按应用使用不同 prompt 或风格

参考来源：MacWhisper Dictation 说明可以用 AI prompt 清理语音文本、翻译、扩展成客服邮件，并支持按应用配置不同 prompt。

用户输入：

这个 bug 应该是缓存没清导致的你让他先刷新一下如果还有问题再把 console 截图发我。

在聊天软件目标输出：

这个 bug 可能是缓存没清导致的。你让他先刷新一下，如果还有问题，再把 console 截图发我。

在客服邮件目标输出：

这个问题可能与缓存有关。请先尝试刷新页面。如果问题仍然存在，请将 console 截图发送给我们，方便进一步排查。

验收重点：

• 同一段语音根据目标场景生成不同输出。
• 客服邮件更完整，但不凭空承诺解决时间。
• 聊天消息保留更直接的工作沟通口吻。

6. 第一轮润色规划

6.1 润色功能目标

第一轮润色能力要解决的不是“把话写得更华丽”，而是“把自然说话变成可直接使用的文字”。

第一轮必须达到：

• 结构清楚：列表像列表，步骤像步骤，邮件像邮件，prompt 像 prompt。
• 标点自然：自动补标点和分段，但不机械切碎。
• 改写克制：只整理表达，不替用户扩写事实。
• 习惯保留：保留用户常用词、中英混输、语气强弱和表达风格。
• 可回退：用户能找回原始转写，避免润色不满意时丢失内容。

6.2 输出模式规划

第一轮输出模式如下：

模式	适合场景	输出效果
原文模式	记录原话、保留口语、需要精确转写时	只做必要标点和断句，不主动改写
轻度润色	日常聊天、个人消息、需要保留自然口吻时	删除明显口癖和重复，尽量保留原句式
清晰模式	默认使用场景、工作 IM、AI prompt、笔记	整理语序、补标点、适度压缩、结构更清楚
正式模式	邮件、客户沟通、文档、对外说明	更完整专业，但不增加空泛客套

默认模式为清晰模式。用户可以在设置中修改默认模式，也可以对最近一条结果切换模式。

6.3 场景风格规划

第一轮需要内置 4 类基础场景：

场景	典型应用	默认效果
个人聊天	iMessage、微信、WhatsApp、Telegram	简短自然，避免正式腔
工作沟通	Slack、飞书、Teams、邮件客户端	清楚、礼貌、直接
文档笔记	Notion、Obsidian、Google Docs、Apple Notes	更结构化，适合段落和列表
AI 编程	Cursor、VS Code、Claude、ChatGPT	输出为明确任务、约束、验收点

第一轮只需要基础适配，不要求用户给每个应用配置复杂规则。产品需要尽量让用户感受到：同样一句话，在聊天框、邮件和 Cursor 里不会得到完全一样的生硬文本。

6.4 润色 UI 规划

第一轮润色相关界面需要包含：

• 录音状态：显示正在听、正在处理、已插入或已复制到剪贴板。
• 模式选择：用户能选择原文、轻度润色、清晰模式、正式模式。
• 最近结果：展示最近一次的原始转写和润色结果。
• 结果操作：复制、重新按其他模式生成、删除记录。
• 轻量提示：当产品做了明显润色时，提示用户结果已整理。

界面目标是让润色能力“可感知但不打扰”。默认情况下用户说完就能得到结果，不需要每次确认；需要追溯时，用户可以进入最近记录查看原文和润色版本。

6.5 第一轮样例库规划

为了保证润色效果稳定，第一轮需要把上面的案例整理成内置验收样例库。样例库至少覆盖：

• 去口癖。
• 去重复。
• 中途改口。
• 自动标点。
• 自然分段。
• 编号列表。
• 项目符号。
• 邮件格式。
• 聊天消息。
• 工作 IM。
• AI 编程 prompt。
• 中英混输。
• 个人词典词汇。
• 常用片段展开。
• 原文和润色结果回退。

每个样例需要包含：

• 用户原始口述。
• 目标场景。
• 目标模式。
• 期望输出。
• 不能出现的问题。

6.6 不过度 AI 化的质量标准

第一轮需要明确哪些输出算不合格：

• 加入用户没有说过的事实、承诺、时间、原因。
• 把短消息改成过度正式的邮件体。
• 加入“希望您一切顺利”“感谢您的理解与支持”等无来源套话。
• 过度使用排比、总结、标题、小节。
• 把用户的个人口吻全部抹掉。
• 把中英混合强行翻译成全中文或全英文。
• 每句话都写得像公告或客服模板。
• 乱加感叹号、破折号、emoji 或营销语气。

合格输出应该像“用户认真打出来的文字”，而不是“AI 替用户重新写了一篇”。

6.7 第一轮开发任务拆分

第一轮可以拆成 6 个产品任务：

1. 完成基础输出模式：原文、轻度润色、清晰模式、正式模式。
2. 完成基础场景适配：个人聊天、工作沟通、文档笔记、AI 编程。
3. 完成结构化输出：标点、分段、编号列表、项目符号、邮件结构。
4. 完成用户习惯保留：个人词典、中英混输、常用表达不被强行改写。
5. 完成结果可控：最近记录里保留原始转写和润色结果，并支持复制或切换模式。
6. 完成润色验收样例库：用本文档案例作为第一批人工验收样例。

6.8 第一轮验收方式

第一轮润色能力可以按以下方式验收：

• 随机选 20 条真实口语输入，清晰模式下至少 16 条可直接发送或只需少量修改。
• 对 10 条中英混输输入，不能强行翻译技术词、产品名和文件名。
• 对 10 条含口癖或重复的输入，应删除明显口癖和重复，不损失核心意思。
• 对 5 条含中途改口的输入，应保留最终意图。
• 对 5 条列表型输入，应自动输出列表结构。
• 对 5 条邮件型输入，应自动形成问候、正文和落款。
• 用户能在最近记录中找回原始转写和润色结果。
• 用户能把同一条输入切换成不同模式，并看到明显差异。

7. 第一轮暂不做的内容

为保证第一轮可落地，以下能力暂不作为必须完成项：

• iOS 和 Android 语音键盘。
• Windows 完整适配。
• 团队管理和团队词典。
• 企业 SSO、SOC2、HIPAA 等合规能力。
• 会议录音、多人说话分离、会议纪要。
• 音频/视频文件批量转写。
• 复杂语音命令系统。
• 网页搜索、Ask anything、自动打开网页。
• 与第三方工具深度集成。
• 插件系统。
• 多设备同步。
• 复杂数据看板。

这些内容可以作为第二轮或商业化阶段能力。

8. 第二轮可考虑方向

第一轮跑通后，可以根据用户反馈扩展以下方向：

• Windows 版本。
• 移动端键盘。
• 选中文本后语音改写、翻译、总结。
• 每个应用单独配置输出风格。
• 更强的开发者模式，例如文件名识别、代码术语优化、AI 编程 prompt 模式。
• 本地优先隐私模式。
• 自带云端增强模式。
• BYOK，即用户使用自己的模型 API key。
• 团队词典和共享常用片段。
• 价格上提供低订阅或买断版本，区别于 Typeless/Wispr Flow。

9. 第一轮验收标准

第一轮可以按以下标准判断是否完成：

• 用户可以完成首次安装、授权、设置和测试输入。
• 用户可以在至少 5 类常见输入场景中成功语音输入。
• 中文、英文、中英混输都有可用结果。
• 默认清晰模式能自动去除明显口癖和重复。
• 用户可以在原文、轻度润色、清晰模式和正式模式之间切换。
• 正式模式能生成适合工作沟通的文本。
• 润色结果具备结构化、标点化、不过度 AI 化、保留用户习惯四个特征。
• 个人词典可以影响后续输出。
• 常用片段可以被语音触发并展开。
• 最近记录可以查看、复制、删除，并能查看原始转写和润色结果。
• 插入失败时，用户不会丢失生成内容。
• 用户能在设置中修改快捷键、麦克风、默认模式和隐私选项。

如果以上全部满足，即可认为第一轮已经具备 Typeless 类产品的核心替代基础。