用 AI 打造免費離線 Windows、講到哪高亮就跟到哪的 AI 語音提詞機工具

我用 Claude Code 從一份計畫書開始，三天做出一套免費、開源、完全離線的繁體中文語音提詞機 Textream for Windows。講稿浮在螢幕上，我講到哪，高亮就跟到哪；插話、跳過子標題、臨時改講法，它都會自己找回位置。

我只是想要一台會聽中文的提詞機

我錄 Podcast、錄影片，都會看著逐字稿講。用過一般的提詞機，你大概也有這種經驗：要嘛自己手動暫停、繼續，講錯了還得操作回到前面；要嘛設定一個捲動速度，然後整場被它追著跑。說實話，那種感覺都不太好。

後來我在 Mac 上用了開源的 Textream，它最迷人的地方是「辨識語音、跟著聲音捲動」，你講多快，它就捲多快。可惜它是照英文設計的，念中文稿時，標點、數字、英文詞常常被吃成「⋯」，而且 Windows 上根本沒有對應的版本。

我要的條件其實很單純：免費、離線、開源、支援繁體中文、會跟著我的聲音捲動，Mac 和 Windows 都能用。找了一圈，沒有一款同時做到。下面這張表，是做這套工具之前和之後的差別：

我當產品負責人，Claude Code 當整個開發團隊

先說清楚，我不是完全不會寫程式，以前也寫過一些小程式。但從底層一路做到介面、這麼講究細節的軟體開發，我沒做過；把一套 Mac 軟體移植到 Windows，更是第一次。

這次的分工是這樣：每一個「要不要」「好不好」都由我決定，我是產品負責人，也是唯一的真人測試者；從底層到介面的程式，全部由 Claude Code 完成，它同時是工程師、測試員，也是文件管理員。各階段的分工如下：

敢把這麼大的專案交給 AI 跑，靠的是三個固定規矩。

第一，專案資料夾裡有一份 AGENTS.md，寫著開發紀律，例如「不准為了讓測試通過而改測試的預期值」「commit 前測試要全綠」。每次開工，AI 都先讀它。

第二，計畫書有一張進度表，每完成一步就打勾、填日期、附一句證據（測試數字、commit 編號）。我在 Mac 寫計畫、在 Windows 開發，換電腦、換對話都接得上。

第三，回報一律用「做完了／做完了但有疑慮／資訊不夠／卡住了」四種狀態開頭，附上證據。這條是從雷蒙 AI Agent 課程的「AI 回報與驗收包」學來的。

整套提詞機的運作流程是這樣：

最關鍵的設計：不比字，比讀音

語音模型吐出來的是簡體字，還常常寫錯同音字。稿子寫「閱讀」，它聽成「阅读」；稿子寫「已經」，它聽成「以經」。如果直接比字，三個模型都只追得到講稿的 63～66%。

Claude Code 提的辦法是：兩邊都轉成「無聲調拼音」再比。多音字就存所有讀音的集合（「行」是 xing 也是 hang），有交集就算對；國字數字和阿拉伯數字也統一，「二零二六」和「2026」算同一個詞。改成這樣之後，同一集 Podcast 追到 94～95%。為了確認這不是長文碰巧對上，它還把辨識結果打亂順序再算一次，結果只剩 30～34%。

左邊是麥克風聽到的辨識原文，右邊是講稿，每個漢字比讀音，字不一樣、音對得上就算念對了。

最難的一關：高亮會比我先跑到前面

照稿念的時候，從原版移植過來的比對法追得到 100%。可是我錄 Podcast 的習慣是「看稿講」，講出來大約是文章的兩倍字數。原版的比對一偏離就再也接不回來，整集只追到 36%，高亮落後我上千字。

我跟 Claude Code 說明自己的講話習慣：會即興插一段話、會跳過不想念的子標題、會臨時改講法。它加了兩道機制。一道是「防拖走」，插話裡零星的「是」「說」不能把高亮一格一格拖走，要連續對上才算數；另一道是「找回位置」，往後找一串連續對上的字，找到就跳過去。

第一版容錯上線後，數字很漂亮，整集追到 100%。但 Claude Code 沒有只看終點，它逐句比對「高亮在哪」和「我實際念到哪」，結果抓到一次誤跳：我念子標題時說了「不一樣的地方」，被 200 字後的「有三個不一樣的地方」騙過去，高亮領先我約 30 秒。後來改成「跳得越遠，要連續對上的字越多」，問題就消失了，這個情境也寫成一條永久的測試。「最後有沒有到 100%」會掩蓋過程中的錯，驗收要看中間每一步，不能只看終點。

最後有一個取捨要我拍板：跳過時，要連續對上 4 個字還是 5 個字才跳？4 個字會快 0.3 秒，但偶爾會誤跳到我前面。我選了 5 個字。我寧可自己講得慢一點，也不要被提詞機超車，害我的語速跟著變調。

最卡的一次：連猜兩輪都錯

Mac 繁中版有讀者回報：播放中往上滾，畫面會卡住，又被拉回原處。Claude Code 第一次、第二次都提了修法，我試了都沒好。第三次我們換個做法：先不修，在程式裡加診斷紀錄，請我重現一次。紀錄一打開，真因就出來了。原來同一個字量到的位置，會隨著捲動浮動，跟前兩次猜的方向都不一樣。

更有意思的是，把這個修正移植回 Windows 版時，Windows 上量不到同樣的問題。Windows 自己的問題，是滾輪往上會被段落之間的空行卡住。同一個症狀，兩個平台、兩個真因。

三天做出第一版，從此不再被提詞機追著跑

2026 年 10 月 6 日，我在 Mac 上寫完計畫書；10 月 8 日，第一個公開版本就發佈了。之後陸續又發了幾版，現在是 0.11.0，背後有四百多個自動測試守著。

第一次用它錄音的時候，我最大的感受是自在。不用被捲動速度追著跑，講話的節奏可以隨心所欲地控制；想插一段話就插，講完它自己接回來。

選語音模型時，我拿自己的電腦（Intel i7-12700、Focusrite 麥克風）實測了三個模型，最後選 A 的 fp32 版：

加上容錯前後，同一集 Podcast（看稿講）的差別：

浮層有三種，放在最順眼的地方就好：頂端膠囊貼著筆電鏡頭，浮動視窗可以拖到任何地方，全螢幕適合放在第二個螢幕當大字提詞。最後一張是貼講稿、選模式的主視窗。