使用立创实战派DIY一个语音输入小模块，目的地是通过语音给codex发命令

《使用立创实战派DIY一个语音输入小模块，目的地是通过语音给codex发命令》

上一个帖子被举报删除了。抱歉，那是我第一次发长贴，不知道不能发AI生成和润色的帖子。这一次我全部手写吧。

我使用codex的时候，经常键盘输入，必须保持坐姿不变，时间长了有些累了。希望能有一个更方便的语音输入设备，我要求这个设备不仅仅是语音识别那么简单，而是要用AI技术让它有自我更正自我学习的能力，能够更懂我、越用越懂我，用久了能和我达成心有灵犀一点通的境界。

一、主要功能

1. 
   

   语音输入
   
   长按开始录音、松手发送语音。Pc端收到语音后，完成语音识别、LLM整理、纠错，然后自动粘贴到当前光标位置。
   
   

   
   


2. 
   

   屏幕状态显示
   
   ESP模块有一个小屏幕，不用浪费，我让它显示当前是否连接电脑、电池电量、录音状态、待命状态、Codex 剩余额度显示，剩余百分比、进度条和重置时间。
   
   

   
   


3. 
   

   桌面看板
   
   外接 Type-C 供电并静置时，它可以自动变成一个小看板。竖放显示简版电脑状态，横放可以显示完整看板、天气时间、音乐频谱。我在电脑上用Roon播放音乐，就在Esp上显示 Roon 正在播放的歌曲和滚动歌词。
   
   
   
   

   
   

二、硬件组成

主控是嘉立创实战派ESP32S3，我自己增加了电池供电和电量显示部分。外壳是 3D 打印的，整体尺寸比较小，可以手持，也可以放在桌面上当一个小信息屏。

三、软件结构

整体分两部分：

1、ESP32-S3 模块固件：负责录音、屏幕、按键、电池、姿态判断、Wi-Fi 通讯。

2、PC端软件PC Agent：运行在 Windows 电脑上，负责接收音频、调用语音识别、整理文本、粘贴输入、推送看板数据。

四、最难解决的问题

这个项目真正难的是让录音、网络、屏幕、电脑端输入这几件事长期稳定地配合起来。以下几点是我反复好几天才解决的：

1、速度、速度、速度！准确率、准确率、准确率！不能说完半天不出字，也不能老出错字。

2、内存、内存、内存！ESP32-S3 内存很紧张，必须在录音和显示之间不断找到平衡方案。

3、自我学习、不断进步！通过语音纠错和热词，我希望这个设备能记住我的说话特点、常错的词，下次就不再出现错误，这样它会越来越聪明。这个功能必须实现，不然还不如用键盘语音输入。好在基本上实现了，通过热词表和纠错表。

五、当前体验

目前我正常情况下，在 Codex 上使用它，速度和准确率都不错。目前的感受是：速度基本可以接受，识别率在提高，偶尔显示似乎会出现一点小问题。

六、我让大模型在这里做了什么？

为了让这个设备的识别率提高，要使用大模型的调用，让一些错词自动纠错、一些我常用的词语他要能够记住，并不断提升自己的识别能力。把 AI 技术用在了识别、整理、纠错、热词这几个环节的整个链条。

最后说一点为什做这个：我做这个纯是玩玩技术和codex编程，重在过程。自己的一个想法，然后与codex一起，分析、讨论、修改、验证，不断解决问题，到最后基本能用。过程本身就是收获。从成本上，嘉立创实战派售价148元，杂七杂八加起来快200元了，成本上并不合适商用。