夜雨聆风学习资料网

ARTICLE · 1225280

用 AI 做了个免费软件后,他反而理解了订阅费

用 AI 做了个免费软件后,他反而理解了订阅费

插画·非真实产品画面

看到一个按月收费的小工具,你有没有想过:功能也不复杂,要不让 AI 帮我做一个?

语音转文字、整理笔记、记录客户信息。以前这些需求要找人开发,现在似乎只要把想法讲清楚,就能得到一个可以打开的软件。

Matt Hartman 真这么干了。

他做出了一款在自己电脑上运行的语音转文字工具,开放了代码,也收到了用户的反馈。可这段经历最后带给他的,并不只有“以后不用买软件了”的兴奋。他开始重新理解:为什么有些订阅费,人们仍愿意一直付。

这个反转,来自 2026 年 10 月 14 日发布的 The Every Podcast。节目里,曾在 Betaworks 参与 Hugging Face 早期投资的 Hartman,与主持人 Natalia Quintero 聊了自己的折腾经历。

先看三个关键点:

自己做:从反复遇到的小麻烦入手,比追一个大概念更具体。

长期用:把维护时间也算进去,再判断有没有真正省事。

挑工具:观察最常卡住的一步,别只看演示是否漂亮。

01 他先解决了一个自己的小麻烦

Hartman 经常用语音给 AI 下指令。他注意到,已经有一些语音识别模型可以在个人电脑上运行,于是冒出一个具体的问题:这件事,能不能不用每次都交给云端?

据他在访谈中的回忆,他让 Claude Code 帮忙研究 Hugging Face 上的语音模型,告诉它自己用什么电脑,再逐步做出了一个语音输入工具,取名 Ghost Pepper。

他的起点很小:把说出来的话变成文字,方便自己使用。后来,他把项目开源,让别人也能尝试和改进。

比“AI 能写多少行代码”更值得注意的,是这个需求从哪里来的。他没有先寻找一个宏大的创业题目,而是从自己反复遇到的一件小事出发,试着换一种做法。

对普通人来说,这个入口也更容易理解。你未必想做一家公司,只是每周都要整理一份格式相同的表格,或者每次写材料前,都得重新搬运几段信息。

这些小麻烦,足够成为一次尝试的理由。上面两种是我们举的日常例子,并非节目中的实测案例。

02 软件做出来之后,工作还没结束

转折出现在工具能用以后。

Hartman 说,自己用 AI 做软件,还要自己维护。他由此开始欣赏那些持续更新的付费产品:用户交钱,也是在购买有人持续把产品照看好的服务。

访谈里,Quintero 接着讲了另一段亲身经历。她曾用 AI 写过一个客户管理工具,使用了几个月。但后来,她发现维护它占用了太多时间,而这些时间原本可以用来服务客户。最终,她选择把数据迁移到现成的客户管理产品。

两个人都把东西做出来了。问题出在后面的日常使用。

一个工具第一次成功运行,当然令人开心。但下周要改一个字段,下个月需求变了,旧数据要搬进去,某个功能突然不正常了,谁来处理?这些是我们从案例延伸出的常见使用问题,不代表他们逐项遭遇过。

当你自己做,决定权更多了,后续的小事也会跟着交到自己手里。AI 可以协助处理,但你仍要发现问题、说明问题、检查有没有改好。

所以,算“省了多少钱”时,最好也把自己的时间放进去。一个每月省下一点钱、却总让你惦记着修的工具,未必符合你最初想省事的目的。

03 决定好不好用的,常常是一处小细节

节目里还有一个很生活化的细节。

Hartman 回忆,音频产品 Anchor 的团队,曾根据用户有没有插耳机,设计不同的新手引导。

这背后的考虑并不复杂:一个人在公共场合点开应用,如果声音突然响起来,他可能马上关掉它。团队关心的,是用户此刻怎么拿着手机、身处什么环境,以及为什么会在这一步退出。

这段回忆给普通 AI 用户的启发是:你对自己生活的了解,本身就有用。

你知道哪种通知会打断思路,哪一步复制粘贴最烦,哪种自动修改会把原意改掉。这些具体的不舒服,比一句“帮我做个更智能的软件”,更容易变成可以检验的要求。

Hartman 在访谈中把观察真实使用、据此改进产品看得很重。他认为,制作变快之后,这种判断会更有价值。这是他的看法,不是“所有人都能快速做成产品”的保证。

即使你没有准备开发软件,也可以把这个方法用在挑工具上:别只看演示完成了什么,再看看自己最常卡住的那一步,它有没有认真解决。

04 想试试,可以先给实验划个小范围

这两个故事并不是劝你放弃自己动手。Hartman 仍然享受尝试新东西,也鼓励从真实问题开始探索。

我们更愿意把它理解成一个提醒:先弄清楚,自己是在做一次有趣的实验,还是准备接管一个长期离不开的工具。

如果只是尝鲜,可以挑一件出错也容易恢复的小事,用不敏感的样例材料试做一版。先看它能不能完成最核心的一步,不急着加登录、支付、多人协作,也不要一开始就搬走全部资料。

如果准备长期用,就多观察几天:修改方便吗?结果容易检查吗?数据能不能导出?出了问题,是否还有原来的办法可以继续工作?

至于节目里的 Ghost Pepper,截至 2026 年 10 月 21 日,其官方仓库标注为免费开源,要求 macOS 14 或以上、Apple Silicon 芯片。初次使用需要下载模型,并授权麦克风与辅助功能;部分模型另有系统要求。官方项目说明

仓库介绍称核心语音处理在本机完成,但也列出了默认关闭的可选云端功能。因此,不能把“本地工具”简单理解成任何设置下都不会联网。国内下载情况、中文识别效果和实际速度,本篇没有实测,不作保证。

你也不需要为了模仿这个故事,特意换电脑或立刻取消已有订阅。

真正值得试的,也许只是下次遇到一个小麻烦时,先把它说具体一点:我在哪一步浪费时间?我希望结果变成什么样?做完之后,我愿意花多少时间照看它?

带着这三个问题去用 AI,比一口气替换掉所有软件,更有机会让日子轻松一点。

我是 AI萤火研究苑,带你看最前沿的 AI 信息。


本文基于用户提供的完整节目逐字稿整理。案例与个人感受归属于受访者,日常举例和使用建议为本文分析;未对软件进行安装或性能测试。

原节目:The Every Podcast,2026 年 10 月 14 日,约 51 分钟。
收听原节目
节目官方文字页
Ghost Pepper 官方仓库

相关学习资料