语音输入的瓶颈，不在识别

做 Typevoise 之前，我以为难点是识别。

后来花了几周时间死磕识别，模型从 Whisper 换到 Apple Speech 再换回来，输出还是「啊那个就是嗯然后我觉得」。我才反应过来：语音输入的瓶颈从来不是「听得清不清」，是「能不能给我一段像键盘打出来的话」。

于是我加了一步：把识别结果丢给 Claude 润色一下。

整个 App 突然就能用了。

市面上大多数语音工具死在了这一步。识别准确率从 93% 卷到 95%，没人愿意多花那 0.2 秒去润色。

但用户要的从来不是「准」，是「我说一段话，出来一段能直接发出去的字」。