# Vext 1.1: เสียงเป็นข้อความสำหรับ Mac — สร้างมาเพื่อเวิร์กโฟลว์ AI

> เราสร้าง Vext เพราะการพิมพ์ในเครื่องมือ AI ยังคงช้าเกินไป พูดเพื่อจดบันทึก จับภาพหน้าจอ วางใน Claude หรือ Codex — ทุกอย่างทำงานในเครื่อง ทุกอย่างเป็นส่วนตัว ไม่มีค่าสมัครสมาชิก พบกับการจดจำผู้พูด บันทึกเสียง และอีกมากมาย

คุณกำลังอยู่ในโซน [Octomind](https://octomind.run) กำลังรันงานเอเจนต์ Claude มีบริบทเชิงสถาปัตยกรรม คุณมองเห็นทางแก้ไข

แต่คุณต้องพิมพ์มัน ทุกคำ ทุกความคิด ขณะที่มือของคุณอยู่บนคีย์บอร์ด คุณไม่ได้กำลังคิดถึงปัญหา — คุณกำลังคิดถึงการพิมพ์

นี่คือคอขวดที่ไม่มีใครพูดถึง เครื่องมือเขียนโค้ดด้วย AI ได้ลบกำแพงไวยากรณ์ออกไป คุณสามารถอธิบายสิ่งที่ต้องการเป็นภาษาธรรมชาติและได้โค้ดที่ใช้งานได้กลับมา แต่ช่องทางอินพุตยังคงเป็นคีย์บอร์ด ความคิดของคุณมาที่ความเร็วของ LLM นิ้วของคุณมาที่ความเร็วการพิมพ์

ช่องว่างนั้นคือที่ที่ Vext เข้ามา

**Vext 1.1 คือเสียงเป็นข้อความสำหรับ Mac ที่ทำงานได้ทุกที่ — และสร้างมาเพื่อวิธีที่เราทำงานกับ AI โดยเฉพาะ** กดปุ่มค้างไว้ พูดอย่างเป็นธรรมชาติ ปล่อย คำของคุณจะปรากฏที่เคอร์เซอร์ ถูกล้างและพร้อมใช้งาน ไม่มีคลาวด์ ไม่มีค่าสมัครสมาชิก ไม่มีบัญชี จ่าย $24.50 ครั้งเดียว ตลอดไป

## ปัญหาคือพวกเราเอง

ขอย้อนกลับไปก่อน

เราใช้เวลาส่วนใหญ่ของวันในเครื่องมือของเราเอง [Octomind](https://octomind.run) สำหรับการรันเอเจนต์ Claude สำหรับการตัดสินใจเชิงสถาปัตยกรรม Claude Code สำหรับการรีแฟกเตอร์ Cursor สำหรับการอิมพลีเมนต์ Codex สำหรับสคริปต์รวดเร็ว สแตกปกติของสตูดิโอนักสร้างที่ส่งมอบงานได้เหมือนทีมสามสิบคน

และทุกตัวมีคอขวดเดียวกัน นั่นคือการพิมพ์

คุณสามารถอธิบายการรีแฟกเตอร์ที่ซับซ้อนได้ใน 10 วินาที ใช้เวลาพิมพ์ 90 วินาที นั่นคือแรงเสียดทาน 80 วินาทีต่อความคิดหนึ่งความคิด ตลอดทั้งวันที่มีการโต้ตอบกับ AI อย่างหนัก — 50, 60, บางครั้ง 100 prompts — แรงเสียดทานนั้นรวมกันเป็นชั่วโมงๆ

เราลองเครื่องมือเสียงที่มีอยู่ ส่วนใหญ่ทำเฉพาะการถอดเสียง — ปล่อยคำดิบพร้อมคำเติม ไม่มีการล้าง และคุณยังต้องแก้ไขก่อนส่งไปยัง LLM ตัวที่ล้างข้อความนั้นอยู่บนคลาวด์ ต้องมีบัญชี ค่าสมัครสมาชิก และอัปโหลดเสียงของคุณไปที่ไหนสักแห่ง

และไม่มีตัวใดจัดการกับภาพหน้าจอ ซึ่งนำเรามาสู่เวิร์กโฟลว์ที่สำคัญจริงๆ

## เสียง + การมองเห็น ไม่ต้องใช้มือ

ฟีเจอร์แรกที่เราสร้างไม่ใช่การพูดให้พิมพ์ แต่เป็นเวิร์กโฟลว์ภาพหน้าจอ

ปัญหาคือ เมื่อคุณใช้ Claude Code หรือ Cursor เพื่อดีบักบางอย่าง คุณมักต้องแสดงสิ่งที่อยู่บนหน้าจอ ข้อความ error ปัญหาการเรนเดอร์ UI ผลลัพธ์เทอร์มินัลที่คัดลอกออกมาไม่สะอาด

ปกติแล้วหมายถึง: คว้าเมาส์ → เลือกพื้นที่ → บันทึกไฟล์ → ลากเข้าแชต → พิมพ์บริบท นั่นคือห้าขั้นตอน คุณเสียโฟลว์ทุกครั้ง

ด้วย Vext คุณกดปุ่มลัดค้างไว้ ลากพื้นที่ และพูดต่อไป ภาพหน้าจอจะถูกวางพร้อมกับ prompt ที่ถอดเสียงของคุณ — ในครั้งเดียว Octomind, Claude Code, Cursor — ทั้งหมดได้รับบริบททางสายตาและคำสั่งของคุณพร้อมกัน มือของคุณไม่เคยออกจากคีย์บอร์ด

เราเรียกสิ่งนี้ว่าโหมดเสียง + การมองเห็น มันคือสิ่งที่ทำให้ Vext แตกต่างจากเครื่องมือพูดให้พิมพ์อื่นๆ ในตลาด เพราะเป้าหมายไม่ใช่แค่การแทนที่การพิมพ์ แต่คือการลบทุกการขัดจังหวะเล็กๆ ระหว่างความคิดกับการกระทำ

**สองวิธีในการพูดให้พิมพ์** โหมดมาตรฐาน: กดปุ่มลัดค้าง พูด ปล่อย โหมดไม่ใช้มือ: กดครั้งเดียวเพื่อเริ่ม พูดอย่างอิสระ กดอีกครั้งเพื่อหยุด เหมาะสำหรับข้อความยาวๆ หรือเมื่อมือของคุณไม่ว่าง — เช่น ทบทวนโค้ดในขณะที่อธิบายการแก้ไขออกเสียง

**Audio ducking** เริ่มบันทึกและ Vext จะค่อยๆ ลดเสียงระบบของคุณอัตโนมัติเพื่อให้เสียงของคุณตัดผ่าน ปล่อยปุ่มลัดและระดับเสียงจะกลับสู่ปกติ ไม่ต้องปรับแถบเลื่อนด้วยมือกลางประชุม

## สถาปัตยกรรมแห่งความไว้วางใจ

เครื่องมือเสียงทุกตัวที่เราประเมินส่งเสียงของคุณไปยังคลาวด์ Whisper ทำงานบนเซิร์ฟเวอร์ของ OpenAI Wispr Flow อัปโหลดไปยัง backend ของพวกเขา Otter บันทึกและประมวลผลทุกอย่างจากระยะไกล

Vext ไม่ทำสิ่งเหล่านั้นเลย

Whisper ทำงานโดยตรงบน GPU Apple Silicon ของคุณ การประมวลผลทั้งหมด — เสียงเป็นข้อความ การล้างด้วย AI การแปล การสรุป — เกิดขึ้นบน Mac ของคุณ ไม่มีเสียงใดถูกอัปโหลด ไม่มี transcript ออกจากเครื่องของคุณ ไม่มีบัญชีให้สร้างเพราะไม่มีอะไรให้เก็บที่ฝั่งเรา

นี่ไม่ใช่นโยบายที่เราเขียน นี่คือสถาปัตยกรรม

เราส่งโมเดลหลายตัวมากับแอป Parakeet (NeMo ของ NVIDIA) ทำงานเร็วกว่าเรียลไทม์ 150× บนชิป M-series — เป็นค่าเริ่มต้นสำหรับเสียงเป็นข้อความ Gemma 3 4B จัดการการล้างและสรุปในเครื่อง ไม่ชอบพวกนั้น? เปลี่ยนไปใช้การพูดให้พิมพ์ในตัวของ Apple โดยไม่ต้องดาวน์โหลด หรือเลือกจาก Qwen 3 (หลายภาษาที่แข็งแกร่ง), LLaMA 3.2 3B (ใช้งานทั่วไป) หรือ Phi-3.5 Mini (กะทัดรัด เหตุผลแกร่ง) คุณยังสามารถนำ API key ของคุณเองมาใช้กับโมเดลคลาวด์ที่เข้ากันได้กับ OpenAI ทางเลือกเป็นของคุณ — แต่ค่าเริ่มต้นคือเป็นส่วนตัว

เราสร้างมันแบบนี้เพราะเราใช้แบบนี้ การสนทนากับเครื่องมือ AI ของเรามีการตัดสินใจเชิงสถาปัตยกรรม ตรรกะทางธุรกิจ ข้อมูลลูกค้า เราจะไม่ส่งสิ่งนั้นไปยังเซิร์ฟเวอร์อื่นเพียงเพื่อรับอินพุตข้อความ

## สามโหมด หนึ่งแอป

Vext 1.1 ทำงานในสามโหมดที่แตกต่างกัน ทั้งหมดใช้เอนจินในเครื่องเดียวกัน:

**Dictation** — กดปุ่มลัดค้าง พูด ปล่อย ข้อความปรากฏที่เคอร์เซอร์ของคุณในแอปใดก็ได้ เบราว์เซอร์ เทอร์มินัล VS Code Slack Claude Cursor ทุกฟิลด์ข้อความเป็นเป้าหมาย

**Meetings** — บันทึกการโทรใดก็ได้ — Zoom, Google Meet, FaceTime หรือพบกันโดยตรง — และรับ transcript เต็มพร้อมการระบุผู้พูด timestamps และการแยกย่อยตามผู้พูด เปิด Summarize เพื่อสกัดประเด็นสำคัญและรายการที่ต้องทำ transcript ดิบจะถูกเก็บไว้พร้อมกับสรุปจาก AI เสมอ — คุณไม่เคยสูญเสียต้นฉบับ และไม่มี bot เข้าร่วมการโทรของคุณ Vext จับเสียงระบบ + ไมโครโฟนในเครื่อง ไม่มีบุคคลที่สามเชื่อมต่อกับการประชุมของคุณ

**Voice Notes** — ความคิดเห็นรวดเร็วที่ถอดเสียง ล้าง และเก็บในเครื่อง ไม่ต้องสลับแอป ทำงานได้จากทุกที่บน Mac ของคุณ

ทั้งสามโหมดใช้ไปป์ไลน์การล้างเดียวกัน คำเติมถูกตัดออก โครงสร้างถูกทำให้ชัดเจน เจตนายังคงอยู่ สิ่งที่คุณพูดและสิ่งที่ถูกวางเป็นสิ่งที่แตกต่างกัน — เวอร์ชันที่วางคือสิ่งที่คุณตั้งใจจะพูด

## ติดป้ายผู้พูดครั้งเดียว จดจำตลอดไป

ตั้งชื่อเสียงครั้งเดียวและ Vext จะไม่ถามอีก

Vext ตรวจจับเสียงที่แตกต่างกันทุกเสียงในการบันทึกโดยอัตโนมัติ ตั้งชื่อพวกเขาครั้งเดียว — "Sarah", "Alex", "Jack" — และตั้งแต่การโทรครั้งต่อไป บุคคลเดียวกันจะถูกระบุ ติดป้าย และเข้ารหัสด้วยสีโดยไม่ต้องขยับนิ้ว

มันทำงานข้ามการประชุม ตั้งชื่อผู้รับเหมาในการ standup วันจันทร์ การโทรวางแผนวันพุธ? Vext รู้จักเสียงของพวกเขา ไม่ต้องติดป้ายใหม่ ไม่มีเสียงรบกวน "Speaker 1" transcript แสดงป้ายเข้ารหัสด้วยสีให้คุณสามารถสแกนว่าใครพูดอะไรในพริบตา

เราใช้สิ่งนี้ทุกวันสำหรับ standup ของเราเอง Ava (AI collaborator ของเรา) ถูกติดป้ายอย่างสม่ำเสมอ เราสามารถเลื่อนกลับไปดูการบันทึกหลายสัปดาห์และหาว่าใครเป็นคนตัดสินใจอะไร ฟังดูเล็กน้อย ไม่ใช่เลย

## เศรษฐศาสตร์ของราคาเดียว

|                                   | Vext              | Wispr Flow   | Granola      | Otter.ai    |
| --------------------------------- | ----------------- | ------------ | ------------ | ----------- |
| **ราคา**                          | $24.50 ครั้งเดียว | $12–15/เดือน | $14–35/เดือน | $8–17/เดือน |
| **ต้นทุนหลัง 2 ปี**               | **$24.50**        | $288–360     | $336–840     | $200–408    |
| **ประมวลผลในเครื่อง**             | ✅                | ❌           | ❌           | ❌          |
| **ทำงานออฟไลน์**                  | ✅                | ❌           | ❌           | ❌          |
| **การจดจำผู้พูด (ข้ามการประชุม)** | ✅                | N/A          | ✅           | ❌          |
| **การจับภาพหน้าจอ**               | ✅                | ❌           | ❌           | ❌          |
| **วางภาพหน้าจอใน AI อัตโนมัติ**   | ✅                | ❌           | ❌           | ❌          |
| **ไม่มี bot เข้าร่วมการโทร**      | ✅                | N/A          | ❌           | ❌          |
| **โหมด YOLO (ส่งอัตโนมัติ)**      | ✅                | ❌           | ❌           | ❌          |

$24.50 ครั้งเดียว ไม่มีระดับซ่อนเร้น ไม่มีแผน "pro" ที่ลบขีดจำกัดที่คุณไม่รู้ว่ามีอยู่

คุณได้รับ 100 dictations 50 notes และ 10 การบันทึกประชุมฟรี เพื่อลองทุกอย่างโดยไม่มีความเสี่ยง จากนั้นคือราคาเดียว ใช้ไม่จำกัด ตลอดไป อัปเดตฟรีภายในเวอร์ชันปัจจุบัน เวอร์ชันใหม่หลักลด 50% สำหรับเจ้าของที่มีอยู่

เราไม่ทำการสมัครสมาชิกเพราะเราไม่ต้องการรายได้ที่เกิดซ้ำเพื่อบำรุงรักษาแอป Mac Vext ประมวลผลทุกอย่างในเครื่อง ไม่มีค่าใช้จ่ายเซิร์ฟเวอร์ที่ต้องชดเชย ไม่มีบิลคลาวด์ที่ต้องส่งต่อ คุณซื้อครั้งเดียวและมันก็ทำงาน

## สิ่งที่ผู้ใช้รุ่นแรกๆ กำลังทำ

เราใช้ Vext ภายในมาตั้งแต่เดือนเมษายน นี่คือวิธีที่มันถูกใช้:

**ดีบักกับ Claude Code** เปิดเทอร์มินัล กดปุ่มลัดค้าง อธิบาย bug ในขณะที่ดูข้อความ error ไม่ต้องสลับหน้าต่าง ไม่ต้องคัดลอกวาง error อยู่ในคำพูดของคุณ ทางแก้อยู่ในเทอร์มินัลของคุณ และคุณไม่เคยละสายตาจากโค้ดเลย

**คำอธิบาย PR** ส่วนที่แย่ที่สุดของการพัฒนา ตอนนี้: กดปุ่มลัดค้าง อธิบายการเปลี่ยนแปลงออกเสียง ปล่อย คำอธิบาย PR ที่สะอาดและมีโครงสร้างปรากฏในฟิลด์ข้อความ โหมด YOLO ส่งให้อัตโนมัติ

**สรุปการประชุมที่ไม่ห่วย** บันทึกการอภิปรายเชิงสถาปัตยกรรม 45 นาที รับ transcript ที่ติดป้ายผู้พูด ประเด็นสำคัญ และรายการที่ต้องทำ — โดยไม่มี bot เข้าร่วมการโทรของคุณ Vext จับเสียงระบบและไมโครโฟนพร้อมกัน ไม่มีบุคคลที่สามเชื่อมต่อกับการประชุมของคุณ

**ดีบักเอเจนต์ด้วย Octomind** เอเจนต์ [Octomind](https://octomind.run) ติดอยู่ที่ flaky test กดปุ่มลัดค้าง อธิบายสิ่งที่คุณเห็น ลาก error trace prompt สำหรับลองใหม่จะรวมบริบทภาพเต็ม ไม่ต้องสลับแท็บ ไม่ต้องคัดลอกวาง เอเจนต์ทำงานเสร็จในขณะที่คุณเดินหน้าไปต่อ

**การแปลสดในเรียลไทม์** พูดภาษาอังกฤษ ได้ภาษารัสเซียที่เคอร์เซอร์ หรือสเปน ญี่ปุ่น ฝรั่งเศส — 99+ ภาษาเป้าหมาย การถอดเสียงและการแปลเกิดขึ้นในรอบเดียว ในเครื่อง เวิร์กโฟลว์ปุ่มลัดเดียวกัน

## สิ่งที่กำลังจะมา

Vext 1.1 ออกวันนี้พร้อมทุกอย่างที่อธิบายข้างต้น เรามีโรดแมปที่รวม:

- แอป iOS คู่หูสำหรับการพูดให้พิมพ์ขณะเดินทางที่ซิงค์ในเครื่อง
- คำสั่งเสียงกำหนดเองสำหรับการกระทำเฉพาะแอป
- การผสานรวมที่ลึกขึ้นกับระบบนิเวศเอเจนต์ Muvon (Octomind + Octobrain)

แต่แกนหลัก — local-first ความเป็นส่วนตัวโดยสถาปัตยกรรม ไม่มีการสมัครสมาชิก — สิ่งนั้นจะไม่เปลี่ยนแปลง

## คำถามที่พบบ่อย

**Vext คืออะไร?**

Vext คือแอปเสียงเป็นข้อความสำหรับ Mac ที่ทำงานทั้งหมดบนเครื่องของคุณ กดปุ่มลัดค้าง พูด ปล่อย — คำของคุณจะปรากฏที่เคอร์เซอร์ในแอปใดก็ได้ ถูกล้างและพร้อมส่ง ไม่มีคลาวด์ ไม่มีบัญชี ไม่มีการสมัครสมาชิก จ่าย $24.50 ครั้งเดียว

**Vext ส่งเสียงของฉันไปยังคลาวด์หรือไม่?**

ไม่ การจดจำเสียงพูด (Whisper, Parakeet) การล้างด้วย AI (Gemma 3, Qwen 3, LLaMA 3.2, Phi-3.5) การแปล และการสรุป ทั้งหมดทำงานในเครื่องบน Apple Silicon ไม่มีเสียงใดออกจาก Mac ของคุณ เว้นแต่คุณนำ API key ที่เข้ากันได้กับ OpenAI ของคุณเองมาใช้

**รองรับ Mac รุ่นใดบ้าง?**

Apple Silicon (M1, M2, M3, M4) Parakeet ทำงานเร็วกว่าเรียลไทม์ประมาณ 150× บนชิป M-series

**Vext เปรียบเทียบกับ Wispr Flow, Granola หรือ Otter.ai ได้อย่างไร?**

Vext คือ $24.50 จ่ายครั้งเดียว Wispr Flow ราคา $12–15/เดือน Granola $14–35/เดือน Otter.ai $8–17/เดือน ต้นทุนสองปี: $24.50 เทียบกับ $200–840 Vext เป็นตัวเดียวที่ประมวลผลทุกอย่างในเครื่อง ทำงานออฟไลน์ และวางภาพหน้าจอพร้อมกับการพูดให้พิมพ์

**มี bot เข้าร่วมการประชุมของฉันหรือไม่?**

ไม่ Vext จับเสียงระบบและไมโครโฟนในเครื่อง ไม่มีบริการของบุคคลที่สามเชื่อมต่อกับ Zoom, Google Meet หรือ FaceTime การบันทึกอยู่บน Mac ของคุณ

**ฉันสามารถใช้ผู้ให้บริการ AI ของตัวเองได้หรือไม่?**

ได้ Vext รองรับ API ที่เข้ากันได้กับ OpenAI ใดๆ (OpenAI, OpenRouter, Ollama ในเครื่อง, endpoints กำหนดเอง) สำหรับการล้างและสรุป ค่าเริ่มต้นมาพร้อมกับโมเดลในเครื่อง คุณจึงไม่ต้องใช้ key เพื่อเริ่มต้น

**ทำงานในแอปใดๆ ได้หรือไม่?**

ได้ ทุกฟิลด์ข้อความบน macOS — เบราว์เซอร์ เทอร์มินัล VS Code Slack Claude Desktop Cursor Codex CLI Vext วางที่เคอร์เซอร์

**รองรับภาษาใดบ้าง?**

99+ ภาษาสำหรับการถอดเสียงและการแปล พูดภาษาหนึ่ง ได้ข้อความอีกภาษาหนึ่ง ในรอบเดียว — ในเครื่อง

## ลองใช้

Vext พร้อมใช้งานแล้วที่ [getvext.app](https://getvext.app) ทดลองฟรี — 100 dictations 50 notes 10 meetings ไม่ต้องมีบัญชี ไม่มีการเก็บข้อมูล

```bash
# หรือถ้าคุณชอบเทอร์มินัล
brew install muvon/tap/vext
```

โปรโมชันเปิดตัว: ลด 50% ด้วยโค้ด **VEXT50** จนถึง 1 มิถุนายน $24.50 ครั้งเดียว ตลอดไป

เราสร้างสิ่งนี้เพราะเราต้องการมัน ทุกเครื่องมือที่เราใช้ — Octomind, Claude, Codex, Cursor — เร็วขึ้นในวินาทีที่เราหยุดพิมพ์และเริ่มพูด ถ้าคุณใช้เวลาทั้งวันในเครื่องมือ AI คุณก็จะเป็นเช่นนั้นเหมือนกัน

เสียงของคุณไม่เคยออกจาก Mac ของคุณ ความคิดของคุณมาที่ความเร็วของ LLM และคีย์บอร์ดกลายเป็นทางเลือก