VoiceVault：告別訂閱制疲勞，用 AI 奪回你的學習主權

訂閱制的疲勞與 AI 的解放#

你每個月花多少錢在「語言學習」上？

Speak、Elsa、Duolingo Plus... 等語言學習應用程式，確實做得很好，以介面精美及遊戲化（Gamification）設計使人沉溺其中。 但每當看到信用卡帳單上的 $15 美金、$30 美金月費時，不禁自問：「我到底是在付錢買技術，還是在付錢買『我正在努力』的安心感？」

更讓人介意的是資料主權（Data Ownership）問題。

在這些應用程式中，你所有的對話紀錄、犯過的文法錯誤、學會的母語人士自然用法... 這些寶貴的真實數據最終流向何處？它們被牢牢鎖在應用程式的圍牆花園裡。

一旦使用者停止付費，這些記錄就不再屬於你了。

你無法將特定軟體的練習記錄匯出，進行個人化分析、設計客製化測驗、建立專屬知識庫......。

某種程度上，付費的同時，你的學習數據也被軟體箝制住。

但在 AI 年代，這個規則被打破了。

隨著 OpenAI 開源了 Whisper 模型，Google 推出了強大且免費額度驚人的 Gemini API，這代表：「我們已經不需要為基礎的 AI 口說練習付費了。」

這篇文章想介紹：VoiceVault，這是我透過 AI 技術整合，打造出來的完全免費，資料屬於使用者的英文口說家教。

核心理念：為什麼免費？為什麼現在？#

在開始介紹 VoiceVault 之前，我想先聊聊這個專案背後的「反直覺」發現。

大多數人認為開發一個能聽懂你說話、還能糾正你文法的 App，成本一定很高吧？需要昂貴伺服器，也需要花費重金養工程師。

事實上，現在的 AI 技術已經成熟到「邊際成本趨近於零」。

VoiceVault 的「零成本」解密#

我打造這個 App 的成本結構如下：

1. 耳朵（語音辨識）：$0
   • 模型名稱：OpenAI Whisper
   • 使用版本：base (註：Whisper 有 tiny, base, small, medium, large 等版本，為了在速度與準確度取得平衡，我測試後選用了 base)
   • 運行方式：Local (本地運行) 它精準地把你的語音轉成文字。不需要付費 API，不需要上傳到雲端。
2. 大腦（AI 教練）：$0
   • 模型名稱：Google Gemini
   • 使用版本：gemini-2.5-flash (註：這是 Google 目前速度最快、且免費額度最高的版本)
   • 運行方式：Cloud API (雲端呼叫) 它負責分析文法錯誤和提供口說建議。Google 目前提供的免費額度對個人使用者來說幾乎是「吃到飽」等級（每分鐘 15 次請求，每天 1500 次）。 除非一天練習口說 24 小時不間斷，否則根本用不完。
3. 記憶（資料儲存）：$0
   • 儲存方式：本地儲存
   • 儲存格式：Markdown 檔案 所有的練習記錄，我都存成最原始、最通用的 Markdown 檔案，直接放在電腦的資料夾裡。

這就是 VoiceVault 的架構：透過「組裝」現有 AI 技術，實現接近 100% 功能，但 0% 成本的最基本解決方案。

VoiceVault 專案介紹：不只是「另一個」口說 App#

VoiceVault 是一個本地優先（Local-first）的桌面網頁應用。它的介面設計極簡，像是一個專注的錄音室。

1. 隱私優先的架構 (Local Whisper + Cloud Gemini)#

在這個專案中，我採用了一個混合架構，這也是我最自豪的設計之一。

• 本地端（Local）： 當你按下錄音鍵，你的聲音數據從未離開過你的電腦。我使用 Python 的 Whisper 庫在本地進行轉錄。這意味著，即使你講了一些私密的內容，也不用擔心音檔流流出。
• 雲端（Cloud）： 只有「轉錄後的文字」會被加密發送到 Gemini API 進行文法分析。文字的傳輸量極小，且不包含生物特徵（聲紋）。

這種架構在「隱私安全性」與「AI 智能度」之間取得了完美的平衡。

2. 真正的「資料主權」：Markdown Is All You Need#

這是我做這個 App 的最大動力。

每一次的練習，VoiceVault 都會自動生成一個 .md 檔案。格式如下：

2025-01-27
 
Practice Session - 14:30 (Duration: 2:15)
 
User's Speech
 
I think properbly I will go to the cinema tomorrow...
 
AI Feedback
 
**Grammar Correction:**
 
* Incorrect: "I think properbly..."
* Correct: "I think I'll probably..."
* Explanation: "Probably" is an adverb usually placed after the auxiliary verb.

為什麼這很重要？

因為 Markdown 是純文字。它不屬於 VoiceVault，不屬於 Apple Notes，也不屬於 Notion。它是通用的。

這意味著，這些產生的檔案是Raw Data（原始數據）。你可以：

• 丟給 ChatGPT / Claude：請它分析你這一個月最常犯的 10 個文法錯誤。
• 丟給 Obsidian：建立你的知識庫，將學到的新單字與其他筆記連結。
• 做成客製化測驗：甚至可以寫一個腳本，把你過去犯過的錯挖空，變成填空測驗卷。

如果有天 VoiceVault 這個軟體消失了，你的學習記錄依然完好無損地躺在你的硬碟裡。這才是真正的「累積」。

3. 可視化的進步：GitHub-style Heatmap#

為了不讓練習變得枯燥，我引入了工程師最熟悉的視覺回饋——熱力圖（Heatmap）。

就像 GitHub 的 Contribution graph 一樣，你練習得越多，格子顏色就越深。這種直觀的「連勝（Streak）」機制，能有效地利用人的損失厭惡心理，讓你捨不得中斷練習。看著那片綠意盎然的格子，成就感是真實的。

此外，還可以把所有 Markdown 檔案丟給 LLM，請他分析出 過去一個月的成長軌跡，什麼類型的錯誤正在逐漸被修正。

拿回學習的主導權#

科技的進步，讓人們擁有更多力量。

我在 VoiceVault 證明了，只要善用現有的 AI 工具，完全可以用零金錢成本，打造出媲美、甚至在某些方面（如隱私與資料自由度）超越付費產品的工具。

如果你也是：

1. 厭倦訂閱制軟體。
2. 希望能長期、跨平台地保存自己的學習數據。
3. 對「自己打造工具」感興趣。

非常推薦試試看這套邏輯。即使你不直接使用 VoiceVault，也可以嘗試用類似的思路——Local LLM + Open Format——來構建屬於你的學習系統。

未來當我們回頭看，會發現真正的「個人化學習」，不是 AI 餵給你什麼，而是如何管理與運用產生的數據。

如何開始？#

這個專案我已經開源在 GitHub 上。

• GitHub Repo: VoiceVault
• 需求: 一台電腦（Mac/Windows/Linux）、Python 環境、一個免費的 Google Gemini API Key。

歡迎 Fork，歡迎修改，把這個 Vault 變成你自己的形狀。

Happy Learning!