一個人做語音輸入小工具，掉進了多少坑

AI 也不是每次都答對

現在很多人都覺得，有了 AI，寫程式一定輕鬆很多。

我的答案是：有比較快，但沒有比較省腦。

很多 Bug，我都是先問 AI。有時候它一下就找到問題，真的像請了一位很厲害的助手。但也有不少時候，它一本正經地告訴我一個完全錯的方向，我照著改了半天，最後才發現，真正的原因根本不是它說的那個。

後來我慢慢學會一件事。AI 很像一個超級博學的朋友，它知道很多事情，但不一定知道你現在遇到的，就是哪一件。所以現在我還是會問 AI，但也會懷疑 AI。畢竟，程式最後要負責的人，還是自己。

我曾經以為，一個星期就能做完

專案剛開始時，我很有信心，心裡想著：「不就是語音辨識，再加幾個按鈕嗎？應該很快。」

結果做著做著才發現，每完成一個功能，就會冒出三個新問題。修完一個 Bug，又會發現另一個 Bug 正在排隊。有時候，一整天都在修同一個問題，下班時卻感覺什麼都沒完成。

後來我終於接受一件事。寫程式不像堆積木，它比較像在拼拼圖——拼到最後一塊之前，你永遠不知道下一片會藏在哪裡。

一位不知道要換班的口譯員

程式裡負責聽你說話的那個角色，很像一位口譯員——他得一直記著你剛剛講了什麼，才能翻得準。

有陣子，程式會莫名其妙當機，拖都拖不動。

查了才發現：每次「重新開始聽」，程式都找了一位全新的口譯員上場，但舊的那位從來沒有真的下班，一直站在後面占位置。人越站越多，最後把系統擠爆。

解法很簡單：叫「同一位」口譯員喘口氣、重新歸零就好，不用每次都找新人。

問題是，過一陣子又出包——講到一半突然完全沒反應。一查才發現，這位口譯員根本沒有真的清空腦袋：官方自己寫好的「清空記憶」那行程式碼，被自己用一行註解封印起來，沒有真的執行。他表面上重新開始，其實滿腦子舊雜訊，講越久越恍神，最後乾脆罷工。

最後折衷：大多數時候讓他喘口氣就好，但每講幾句、或每隔一陣子，就真的換一位腦袋乾淨的新人上場。

後來才知道，連 Google 自家的語音服務，都規定一個連線最多撐 5 分鐘，超時就得換人。

原來全世界的口譯員，都撐不了太久。

原來程式也需要熱身

以前我一直以為，程式只要按下去，就應該立刻開始工作。直到有一天，我才發現不是這麼回事。

語音模型第一次啟動時，就像冬天剛起床一樣，需要一點時間暖機。如果什麼都沒準備，就直接開始辨識，整個畫面都會卡住，看起來就像程式壞掉了、按鈕跑位了一樣——後來查才發現，不是按鈕真的跑位，是那幾秒整個畫面根本沒在畫，模型在背景默默用掉了所有運算資源。

後來我乾脆讓它在背景偷偷先完成準備，等真正開始使用時，它早就醒了。使用者感覺不到，但整個體驗順了很多。有時候，看不見的等待，才是最重要的等待。

有些功能，最後我決定不要硬修

「自動貼上」是我期待很高的一個功能。理想中的它，是辨識完成後，文字自己跑到正在輸入的地方，完全不用動手。

這件事有點像請一位信差，幫你把一封信送到隔壁棟大樓某個人手上。信差確實可以確認自己有沒有走進正確的那棟大樓——但走進大樓之後，信有沒有真的塞進正確那間辦公室、正確那個人的桌上，還是不小心塞錯了、掉在走廊上，信差自己也沒辦法回頭跟你保證。做完這個功能之後，我發現有些地方很好用，有些地方卻怎麼試都不穩定，查了很多資料才知道，這正是同一個道理：程式可以確認「有沒有切到正確的視窗」，卻沒辦法確認「那個視窗裡的輸入框，有沒有真的接住這次貼上」——而且不是只有我遇到，連小有名氣的開源工具都是同一套做法：開放一堆「延遲時間」的參數讓使用者自己慢慢調，沒有人真的解決過這個問題。

最後，我沒有硬說它百分之百可靠，反而直接在說明裡提醒大家：遇到特殊網站時，手動貼上可能還比較快，甚至老實建議大家這個功能先別急著開。有時候，承認限制，比假裝完美更值得信任。

原來 AI 也需要「猜」

剛開始測試時，我常常只講兩、三個字，結果辨識率一直不理想。後來才發現，問題不一定是模型。

想像一下，如果有人突然跟你說一句：「可以。」你是不是也會想問：「可以什麼？」語音辨識其實也一樣，一句完整的話，前後都有線索，它比較容易猜出真正的意思。所以現在，我都會建議大家自然地說完整一句話，通常效果反而更好。

我不是在寫程式，我是在當偵探

開發到後來，我每天都很像在辦案：發現一個奇怪現象，提出幾個嫌疑犯，一個一個排除，最後找到真正的兇手。很多時候，真正的答案都跟第一眼看到的完全不一樣。

有一次，語音辨識突然完全沒反應。我第一個念頭是「完了，又有 Bug」，接著檢查程式、檢查設定、重新安裝套件，能想到的方法幾乎都試了一遍。折騰了半天，抱著最後一絲希望把麥克風重新插了一次——好了。

原來只是接觸不良。那一刻真的有點哭笑不得。從那天開始，每次遇到奇怪的問題，我都會先確認硬體是不是正常，再開始懷疑自己的程式——寫程式久了才知道，真正花時間的，不是修 Bug，而是找到 Bug。

一位死腦筋的門衛

有段時間，我一直被一個問題搞瘋。

明明 Windows 已經開放麥克風權限，程式卻還是堅持：「不行，你沒權限。」

重開機又好了。

查了半天才發現，根本不是 Windows 的問題。真正的兇手，是程式底層那位「死腦筋的門衛」。第一次把你擋在門外後，他就把答案寫進小本本，以後再也不重新確認。就算管理員早就改口說「可以進來了」，他還是只相信自己的舊筆記。

最後，我乾脆把他的小本本沒收，規定每次都重新問一次。問題就這樣消失了。

有時候，不是門鎖壞了，只是門口站了一個太固執的人。

一個還沒破的案子

不是每個 Bug 都能漂亮收場。

有一個殘影問題，到現在偶爾還是會偷偷出現。它就像一個小偷，每次只露臉不到一秒，等你回頭看時，又裝作什麼事都沒發生。

我一路排除了座標、指令、動畫，最後發現真正的原因，是底層元件自己的老毛病。既然抓不到，那就換個方法：我把它出現的機會壓到最低，從「常常看到」，變成「很難遇到」。

雖然沒有百分之百破案，但至少這個小偷，現在已經不太敢出門了。

真正花時間的，是大家不會注意的小地方

很多人以為，做這個工具最難的一定是語音辨識。其實不是。

這有點像裝潢一間房子——搬進去的人會稱讚沙發好看、電視夠大，卻沒有人會誇獎牆壁裡的電線走得多整齊，可是電線沒走好，家裡遲早會出事。真正花掉我最多時間的，就是這種牆壁裡的東西：按鈕要放哪裡、視窗怎麼不要擋到別人的工作、第一次啟動要不要等、設定怎麼讓第一次使用的人也看得懂——這些東西每一個都不像大功能，卻默默吃掉了很多時間，有時候一個只有幾行程式的小細節，反而比一個大功能還難決定。

這也讓我對「功能」這件事的想法慢慢改變。開發過程中，我想到很多很酷的功能——翻譯、摘要、AI 助手、語音控制……每一個都覺得很酷。但每做完一個，我都會問自己：如果今天我是使用者，我真的每天都會用它嗎？ 很多答案是「不會」，於是又默默把它刪掉了。不是做不到，而是我希望打開程式時，不用花時間研究哪個按鈕要按。真正的設計，不是一直增加，而是知道什麼該留下。

我開始相信「先睡一覺」

以前遇到 Bug，我都會一直查，查到半夜，查到眼睛都快睜不開，總覺得再多十分鐘一定就能找到答案。結果通常沒有。反而很多次都是隔天起床，泡一杯咖啡，重新看一次程式，不到五分鐘就發現問題。

後來我開始相信，有些 Bug 不是你不夠努力，只是大腦也需要重新開機。

我偷偷藏了一點小驚喜

一直修 Bug，其實是一件很累的事，所以偶爾我也想替自己找點樂趣，於是偷偷放了一些小彩蛋。例如講出特定的數字，就會變成表情符號；講「換行」，真的會直接跳到下一行，而不是打出「換行」兩個字。

這些功能不是必要，也沒有特別宣傳，只是希望哪一天，有人剛好發現時，會忍不住笑一下。我一直覺得，一個好工具除了好用，也可以有一點點溫度。

最有成就感的一天

有一天，我沒有新增任何功能，也沒有修任何 Bug，只是把程式打開，用它完成了一整天的工作。直到晚上，我才突然想到：今天居然沒有遇到任何問題。

那一刻我才發現，原來一個工具最成功的時候，不是它有多厲害，而是你用了它一整天，卻幾乎忘記它的存在。

做完之後，我才真正開始

很多人以為，程式做完就結束了，其實剛好相反。真正的開始，是第一位使用者打開它的那一天——每一個回饋、每一個建議，甚至每一個 Bug，都會讓它慢慢變得更好。

每次修好一個 Bug，當然會開心。但真正讓我有成就感的，其實是看到有人說一句：「這個工具真的很好用。」短短幾個字，比修掉十個 Bug 還有成就感。畢竟寫程式的目的，不是讓程式碼變漂亮，而是真的有人願意每天打開它、使用它。

所以如果你現在正在使用這個小工具，謝謝你，也謝謝你願意陪它一起慢慢長大。