亞瑟 ASK - 職涯隨筆與生活漫談

前一篇我介紹了 ChatGPTBox 這款瀏覽器外掛。 它解決的是一個很常見的閱讀情境： 我們在瀏覽器看網頁、查資料、讀技術文件、看 GitHub 專案時，很多時候只是想針對一個名詞、一段文字、一小段程式碼，快速問一下 AI。 以前最直覺的做法，是複製起來貼到 Google 或 Bing 查。 這幾年有了 AI 以後，很多人開始習慣改成貼到 ChatGPT、Gemini、Claude 或其他 LLM（大型語言模型）問。 這樣當然可以，只是有點麻煩。 尤其是那種很小的問題。 例如查一個名詞、翻譯一句話、摘要一小段內容，或是請 AI 解釋某段程式碼。為了這種小任務，還要切換分頁、貼上文字、送出問題，最後又留下一堆零散對話紀錄，其實有點不划算。 所以 ChatGPTBox 的好處，就是把 AI 問答放進瀏覽器裡。 你在網頁上選取文字，就可以直接解釋、翻譯、摘要或追問。 但它還是有一個限制。 它主要用在瀏覽器。 如果今天文字不在瀏覽器裡，而是在 Word、PDF、Notion、Obsidian、Email、LINE、Slack、Teams、程式碼編輯器，或其他桌面軟體裡，那就又回到複製貼上的流程。 前一篇文章後段我有提到一個替代方法。 可以開一個瀏覽器裡的線上白板或純文字輸入頁面，把其他地方的文字貼進去，再用 ChatGPTBox 處理。 這招可行，但講白話就是多繞了一步。 所以我後來就想，有沒有一種更乾淨的方式？ 最好是只要在電腦任何地方選取文字，就可以直接呼叫 AI。 這次要介紹的 WritingTools ，就是很接近這個需求的一款工具。 WritingTools 是什麼？ WritingTools 是一款免費開源工具。 它的概念是把類似 Apple Intelligence Writing Tools 的體驗，帶到 Windows、Linux 和 macOS 上。 官方 GitHub 的說法是，它可以在全系統範圍內使用。也就是說，你不一定要在瀏覽器裡，只要能選取文字，就可以透過快捷鍵呼叫 WritingTools，讓 AI 幫你處理。 它可以做的事情包括： Proofread：校對文法與拼字 Rewrite：改寫文字 Friendly：改成比較友善的語氣 Professional：改成比較正式專業的語氣 C...

我們現在接收新資訊，很大一部分都在瀏覽器裡面完成。 看新聞、查技術文件、讀國外文章、看 GitHub 專案、查產品說明，很多時候我們不是要做很完整的研究，只是想快速搞懂某個名詞是什麼、某段話在講什麼，或是把一小段文字翻譯、摘要一下。 早些年遇到不懂的名詞或概念，我們大多會把關鍵字複製起來，貼到 Google、Bing 這類搜尋引擎查詢。這種做法到現在還是很有用，尤其是要找來源、找資料、查官方文件的時候。 只是這幾年有了 AI 以後，很多人開始習慣直接問 AI。最直覺的做法，就是把文字複製起來，打開 ChatGPT、Gemini、Claude 或其他 LLM（大型語言模型）的 WebUI，貼上去問。 這樣當然可以，但操作上有一點麻煩。 如果只是查一個名詞、翻譯一句話、摘要一小段內容，每次都要切換分頁、複製、貼上、送出，最後還留下一堆零碎的對話紀錄。久了以後，自己的 AI 對話列表也會變得很亂。 進階一點的用法，是打開瀏覽器側邊欄，例如 Chrome 的 Gemini、Edge 的 Copilot，或其他第三方 AI 側邊欄外掛。這類工具已經比純手動複製貼上方便很多，但在一些很小的任務上，仍然有點偏重。 所以我後來就會想，有沒有一種方式可以更像翻譯外掛？ 就像沉浸式翻譯、Google 翻譯、DeepL 翻譯那樣，我在網頁上直接選取一段文字，就能在同一個畫面快速取得解釋、翻譯、摘要，必要時再追問一下。 這次要介紹的 ChatGPTBox ，就是很接近這個需求的一款瀏覽器外掛。 ChatGPTBox 是什麼？ ChatGPTBox 是一款瀏覽器擴充功能。 它的名字叫 ChatGPTBox，但實際上不只限於 ChatGPT。它可以搭配不同的 AI 使用方式，也支援自訂 API address。換句話說，你可以使用網頁版 LLM 模型，也可以依照自己的需求串接 OpenAI-compatible API 模型。 它的重點很簡單：把 AI 問答放進瀏覽器的使用情境裡。 你在網頁上看到一段不懂的文字，可以直接選取起來，用浮動工具或右鍵選單請 AI 解釋。你看到一段外文，可以請它翻譯。你看到一大段內容，可以請它摘要。你如果想針對這段文字繼續問，也可以直接追問。 這個使用情境很適合處理那些「小而頻繁」的問題。 而且很多問題其實是「用過即丟」的臨時對話。問...

前一篇文章我才剛分享過 Codex 全域語音輸入實測 。那篇文章的重點其實很簡單：語音輸入工具要真的好用，除了模型聽不聽得懂，還要看它能不能出現在我真正需要打字的地方。 因為我平常不會只在 ChatGPT 網頁裡講話。我可能在寫部落格、回訊息、整理筆記、填表單、寫 GitHub issue，甚至是在跟不同 AI 工具互動。這時候，如果語音輸入只能卡在某一個平台裡，其實就很可惜。 過去我也陸續實測過 Wispr Flow、Typeless、Handy、Vibing 這些工具。老實說，如果只看整體功能完整度、回應速度、輸出品質和使用體驗，目前我覺得商用工具裡面最成熟的仍然是 Typeless。 Typeless 讓我最有感的地方，是它已經超過「語音轉文字」的範圍。它比較像是一個語音寫作工作站。你可以講一段比較口語的內容，讓它幫你整理成比較像人會貼出去的文字。它也有語音編輯、即時翻譯、即時搜尋和更完整的工作流。 不過 Typeless 畢竟是商用軟體。它很好用，但不是每個人都想訂閱，也不是每個人都想被綁在同一個平台或額度裡。 所以我後來一直在找一個問題的答案： 有沒有一套免費、開源，而且使用體驗能接近 Typeless 的替代方案？ 目前我實測下來， OpenLess 是我看到最接近這個方向的專案。而這次我花了一段時間研究原始碼、測試、修改、打包並公開的 OpenLess Unbound ，就是基於 OpenLess 做的一個 fork，重點是修改了幾個我實際使用時想解放的限制。 OpenLess 為什麼值得注意？ OpenLess 本身不是我從零開始寫的軟體。它是由原開發者維護的一套開源語音輸入工具。原版 OpenLess 已經把很多重要功能做出來了，這點我覺得非常值得肯定。 如果用白話講，OpenLess 的基本流程是這樣： 按快捷鍵開始錄音。 ASR 模型把語音轉成文字。 LLM 語言模型再幫你做文字後處理。 最後把整理好的文字插入到目前游標所在位置。 這個流程用講的聽起來都很簡單，但真正要做得順並不容易，背後需要很多程式腳本上的同步運作。 因為一般語音轉文字工具常常只給你一段原始逐字稿。問題是我們平常講話不會像寫文章一樣完整。我們會停頓、重複、改口、漏標點，講到一半又補一句。這些內容如果直接貼出去，常常還要自己再手動整理潤色一次...