我做了个用自然语言控制 Mac Demo

2025 年 12 月 23 日
 Branlice

做个小工具用说话的方式让 Mac 执行操作。比如「帮我在 YouTube 搜个 Python 教程」，它会自己打开浏览器、找到搜索框、输入、点击，不用你一步步告诉它怎么做。 原理是让大模型看屏幕截图（默认是 OCR/还有一些其他模型支持），然后决定下一步操作。做错了会自己调整。

挂个链接： https://www.bilibili.com/video/BV1NVBbBDE5K/?vd_source=c91cfe290c1aabe743bd9b89791e23cf

1955 次点击
所在节点    分享创造
4 条回复
zzboat0422
2025 年 12 月 23 日
请问这个语音文字互转是怎么实现的啊？有现成的框架吗？
jorneyr
2025 年 12 月 23 日
@zzboat0422 非常多的 api 可以使用，例如微软的 Azure Speech Service （ Speech to Text ），然后匹配关键词，映射操作（可以使用 Apple Script 执行操作）。
prefect
2025 年 12 月 23 日
都别吵，影响到我用坚果 TNT 了
Mark24
2025 年 12 月 23 日
TNT 棺材板要压不住了

这是一个专为移动设备优化的页面（即为了让你能够在 Google 搜索结果里秒开这个页面），如果你希望参与 V2EX 社区的讨论，你可以继续到 V2EX 上打开本讨论主题的完整版本。

https://v2ex.ih06.com/t/1180539

V2EX 是创意工作者们的社区，是一个分享自己正在做的有趣事物、交流想法，可以遇见新朋友甚至新机会的地方。

V2EX is a community of developers, designers and creative people.

© 2021 V2EX