Vision Pro 首发后不久，一款中文输入法 Dino 上线应用商店，主打实时语音输入体验，一捏一合自动上屏，成为了中国用户必装应用。我们联系了业余完成这款应用的工程师 Ciyou，请他聊了聊产品背后的故事，希望你也能从这篇访谈中感受到创造力和执行力之美。
XR 航海家（X）：Dino 这款输入法的缘起是什么？
Ciyou（C）：我春节的时候在考虑要不要买 Vision Pro，因为不知道有没有足够强的购买理由，就一直在看评测。当时所有的博主都会提到一句话，就是唯一的遗憾是没办法输入中文，很多常用的软件用起来很不方便。然后我想输入不是应该好办吗？做个语音输入吧。
然后看到老孙（微博数码博主）一直在发相关的视频，我说你帮我搜一下有没有输入相关的软件，他搜了之后发现确实没有。当时他们都是怎么输入，拿微信给自己的文件传输助手发语音，把语音转的文字复制出来，然后再粘贴到应用里。我说那好吧，过年期间在家比较闲，我来做一个。
X：也就是说你在有开发灵感的时候还没有买 Vision Pro，完全是基于模拟器在开发。
C：是的，因为我一直给自己定了一个 5000 元的规矩，我买 5000 元以上的数码产品，自己必须在上面开发一个实用的东西。我之前几个小产品也都是这么来的，包括买了 iPad 之后就开发了外接屏幕显示应用 MoniCon，然后和 Apple Watch 互通的 Timer Up。
所以就想做一个相对简单实用而且有需求的，输入法看起来确实是刚需，就开始研究。我发现系统层面完全不支持中文，也没有中文的语音识别能力，就找了一个开源的中文模型，把它重新编译到 visionOS 上。然后第二天起来花了一上午、大概两个小时的时间，写了一个很简单的版本。当时就一块绿色的面板，也没有别的动效。老孙拿到 demo 发微博说牛逼，这个太好用了，在微博上收集了一点产品反馈，我改了改，很快就把第一个版本就做出来了。
X：这个产品为什么起名叫 Dino？
C：起名字的时候想要一个不俗套的，不叫输入法，但是又很容易念，音节要少一点。为什么呢？大家开软件每次要回桌面其实很麻烦，所以既然是输入法，最好大家可以用 Siri 把它调出来，那它当然是越短越好读，也不容易被 Siri 听错。所以想了半天叫 Dino 吧，前面有一个重音很好识别，念起来也很容易。
X：之后的优化过程是怎么样的？
C：做完就立刻下单 Vision Pro，提前完成了买了硬件产品要做软件的目标哈哈哈。设备拿到之后就上实机去调，包括后面有些朋友觉得语音不方便，在家里一直说话，周围听着感觉像傻子一样，然后又去做键盘输入了。也是系统还没中文键盘，然后去找一些第三方的工具，要做很多修改，打字输入的版本现在已经上架了。
这故事其实蛮简单的，里面比较好玩的点在于速度，从有想法到做出第一个版本，除了前一天晚上在探索这件事能不能成，确定了之后差不多就花两个小时开发 demo。从第一个 demo 到第一个测试版本大概就是两天，我和老孙说找你周围的人试试呗，又收集了一些问题。从第一个测试版到正式发布，在差不多两周之内，很多人就开始去买。
X：销售的情况在你的预期内吗？
C：其实没有抱太大的期望，毕竟 Vision Pro 中文用户的基数就很小，推出的时候每周能有 100 多份下载，我自己感觉挺开心的，说明渗透率非常到位。至于全球排名，其他人怎么吹的都有，我不确定真实性哈哈哈。
X：你觉得这个产品开发里面最难的部分是什么？
C：很多 iOS 的应用也集成了语音输入功能，这些元素都是系统 API。但是由于 visionOS 还没支持多语言，苹果目前阶段把这些能力都剪裁掉了，开发者没办法用到。那我需要重新搭建一个好的实时语音识别。中间技术选型，没有任何库是给 visionOS 有编译的，你要做交叉编译，过程中不同平台的实现细节有差异，你就要对开源工具做很多修改，才能让它跑起来。
除了上面说的这些，我们在体验上也花了很多心思。如果你去找网上一些免费的语音转文本的工具，它也能在 Vision Pro 上用，但很难用，没有为这个场景做优化。比如像 OpenAI 的 whisper 之类的工具，把它封装一下也能做中文的识别，都是说我录制结束，然后开始转圈圈，转完圈之后识别出来，这个等待的过程就没有人会有耐心的，还不如用微信。
再一个就是交互优化，语音输入在大家传统的理解里，它就一个方方正正的面板，说完了之后它开始转录，不会去讲究实时性，转完之后可能还要长按再复制。我们对交互很敏感，虽然系统不给我做到零延迟的可能，但是我要体感上反应不会慢太多。如果说我要摁一下输入，摁一下停止，摁一下复制，再摁一下粘贴，就有四个步骤，我怎么能够缩短它的步骤？我摁住，说话，松手，其实这就只有一步。然后复制呢？我其实没必要去手动复制，松手应该自动去粘贴。那就是按住说话，松手粘贴，两步就搞定了。这样的话，和我正常用键盘的语音输入也没差太多了。这个粘贴的步骤，很多人做产品不会打磨那么细。
然后其他可能就是 UI 设计，我们用到了推特上 @Lakr 大佬开源的一个动画库，做了一个色彩流动的动态效果，不是简单的纯色，更有灵动的感觉。
X：UI 的快速成型，是因为你之前对苹果的这套规范很熟悉？
C：是的，包括我们之前做过很多 app，都是 UI 上很细致的。之前积累非常非常多，很多都不上架但是写着玩。包括苹果的 SwiftUI 开始，第一个版本我就在用，它不好用那就等它优化，现在积累了很多中间件，攒一个 UI 出来，基本就是几十秒就可以搞定。一些细节动画会慢慢优化，很快就可以做出来。
X：正好聊聊你们之前的一些产品。你们在 iPad 上做了一款外接屏幕显示应用，叫做 MoniCon，当时是什么灵感？
C：去年的 WWDC，苹果给 iPadOS 开放了一个叫 USB Video Class 的能力，就代表它可以接一张采集卡上去，作为一个视频输入。后面很多拿 iPad 接 Switch 打游戏的展示，都是因为这个能力开放才实现的。
所以这个也是讲究快，在 WWDC 开发者版本到正式版三个月之间，做出一个成熟的软件。只是 API 封装一下只能勉强用，很多细节没有处理到，可能会卡，UI 又很丑陋，也不稳定，那到时候再优化就来不及。当时还是业余时间在做，公司正好在搬迁，大家都挺忙的，然后住得又很远，所以凑时间做很不容易。我的伙伴 Kevin 经常周末到我这里来，一写一下午。
X：你是怎么优化的呢？我注意到你们的 UI 也非常美观，你是怎么做到的？
C：在做这个之前，我的所有 UI 设计都是平面、扁平化的，这次是第一次尝试拟物风。其实没有人教，而且毕竟自己是工程师，没有像专业的设计师这样学过。我的方法就是照着已经有的产品研究。你照一个拟物按钮或者一个真实按钮，你就盯着看，然后看着看着就发现它的规律，这有一条渐变，那有一个阴影，这两个应该是不同的，那边有个反向的渐变……最终你画出一个成型的。有了这个之后，我会快速把这一套模式复制到新的按钮上。我们 MoniCon 这里面做到了像老机械的那种质感。
之后我们就在想它和别人的产品有什么差异呢？我们发现很多摄影爱好者，他们喜欢拿 iPad 这么高素质的屏幕当监视器来看图，所以我们加了一个相机的皮肤，有很多直方图、网格线之类的。
X：还有什么功能是你们特别注意到的？C：再包括 MetalFX 里面有个框架包含超分辨率的支持，但是他在发布会上没有细讲，一笔带过了。我发现这个用来做超分辨率很好用，就是把视频采集的图像超到 4K，虽然不是真 4K，但是会好一点。MetalFX 里面还有其他好用的应用，当时接 Switch 上去玩王国之泪，一进山洞里画面灰蒙蒙一片，然后我把那个除雾滤镜一拉，直接就清晰透亮了，就做了这个功能。后来 9 月份的硬件发布会，苹果才大张旗鼓宣传，有些用户就问我们能不能用最新的 MetalFX？我说我们早就在用啦。
X：这款产品的数据表现如何？
C：我们这个能成，我感觉也跟它是第一个上架的有关系。在正式版推送前几天，你搜 HDMI 只能搜到我们一个，所以很快有一些基础用户；大家再去口口相传，就很容易扩散开。最后的用户量应该有 5-6 万，因为它只能在 iPad 的应用市场上搜到，在 iPhone 应用市场上搜不到，所以说少了一些流量。
我们上了几天之后，有一个国外的工作室，他们之前出了一个 Halide 的专业相机，上过很多次苹果的首页，他们很多是搞影像的工程师，他们也搞了一个很类似的东西叫 Orion，他们也提供色彩滤镜和 4K 超分，但这个功能就要收费。他们也是搞拟物风，所以我们就完全撞车，但是从流畅度、稳定性方面都是我们要高，他们后面也没再维护了。他们最后的用户量应该至少是我们 10 倍，因为起点比我们高，我们国内外也没做任何运营。但这个给我们自信说我们可以做别的东西，包括今天的 Dino。
X：我们发现你们总是有开发一些在技术上比较领先的产品，这是怎么做到的？
C：我们作为工程师基础的开发者，自己做东西有一点不一样，就是会对技术细节非常敏感。所以很多产品经理，可能他要看到市面上有工程师实现了粗糙的东西，才会想怎么包装成一个完善的、美观的产品。我们是直接看到有这个能力了，立刻就可以想到怎么做成一个产品。我们看 WWDC 像认真看春晚一样，看上架的每一节课，他们一笔带过的东西其他团队可能根本没注意，我们就可以领先别人半年的时间做好。
X：感觉你的思维和行动特别精准，这是在大学培养的能力吗？
C：我大学的时候，苹果 WWDC 每年除了面向公众开发者，还有专门面向学生的比赛，不限命题的 App 开发大赛，你可以写一个很简单的提交上去。我在实习期间正好看见，我说要不去试试吧？但是也很忙，一直拖到最后一个周末，然后又碰上重感冒，所以就花了一天时间写了一个遗传算法可视化的演示 demo。
第一章是随机生成一堆圆形生命体，地上会散落一些食物，它们的体内有一个 DNA，这个编码一开始随机生成的，编码驱动他们去移动，他们跑着跑着有的会有一些偶然间撞到的食物，有的什么食物也没有吃到，然后没吃到食物的就淘汰了，那些撞到食物的编码重新排列组合，就相当于模拟遗传的过程。这样一轮轮之后，会发现它们不再乱跑了，体内筛选下来的基因就会寻物了，这就是遗传算法。
第二章是加入一个弱肉，如果体积小，你就会被一些大的吃掉。慢慢大家会演化出一套就是生态，有的是可以进化的、移动非常快、体积非常小；有一些体积很大、移动慢，但什么都能吃。这一章就给大家讲地球的弱肉强食、物竞天择这一套。
再下一章节是一个沙盘，可以调整比如说食物的丰富程度、生物的质量；在食物更丰富的世界里，大家普遍都是慢吞吞移动；但食物少了之后，有的会跑得很快。整个下来，你就可以对遗传算法和进化论有非常具象的认知。
我觉得苹果应该非常喜欢教育方向的产品，然后我们就拿了那个奖，那年选 350 个人，然后中国地区给了 20 多个人。一般来说你拿奖之后，当年的 WWDC 你会被邀请到现场。但是那一年是 2020 年初，非常可惜没去成（笑）。
X：听起来很有意思，不过感觉操作也非常极限了，到最后一天还能端出来这么高完成度的产品。
C：我们不太是专门为了比赛写一个东西，因为我们大学期间有各种稀奇古怪的想法，可能都会做一点雏形留下来，封存了。有时候突然会冒出一些灵感正好补上原来的东西，你其实认真想过怎么实现，所以完善起来相当快。
最后那个决赛也是，因为当时在实习，很老实地在想要不要请假。听说进了决赛都有至少 1 万块钱的奖金，我们就请了一周假，关在上海合租的公寓，花了五天时间把一个课程表相关的应用从头重新写一遍，最后得了二等奖，奖品是三台 iPad Pro。
X：所以你一直保持着开发产品给自己用的习惯，包括这个课程表也是自己会去用。
C：是的。之后苹果有一个 workshop 的环节给大家展示，然后正好在这个活动上认识苹果那边的一位设计相关的老师，就加上了联系方式。后来 Vision Pro 的实验室也是他邀请我们过去的。
X：你对做产品的兴趣是天生的吗，除了写码在别的领域有这样玩吗？
C：我是比较喜欢捣鼓东西，初高中的时候我在家里搞了一个化学实验室，然后叫一些同学来家里一起玩。我们把能合法买到的所有化学元素，自己做了亚克力的介绍，搞了一个元素展，还助推了我们山西其他五所重点学校的化学社团一起做巡展。
我有一个很好的朋友，当时我们刚上高中，其实他也没有找到自己人生的方向，我们几个喜欢化学的同学就一起拉他做各种化学实验，他发现自己是真的热爱化学，后来他在家里搞了实验室，参加竞赛，后面去研究计算化学，现在已经发过好几篇 Nature 了。我身边有蛮多人因为喜欢搞实验，最后都去学理工搞学术了，不一定只搞化学。
X： 其实化学实验还是很危险的，特别是「手残」的朋友请不要模仿！
C：我当时在家做了一个 CPPO 荧光反应实验，这个反应的副产物会生成一些剧毒物质，需要很小心地处理，我全副武装做的这个实验，但是最后生成出来的荧光产物非常漂亮。这张十年前的照片一直留作纪念，我觉得这是人生当中只此一次的经历，现在想让我复刻都不一定行（笑）。
X：你刚刚提到不只是搞化学，那物理上有什么有意思的吗？
C：我们还手搓过硬件 CPU，一个图灵完备的 8 位 CPU，我们只用来驱动一个小的数码管，它是有数字逻辑的，可以做更多事情。后面基于这个思路，我们复刻了一个 Apple II 的电路板，就是乔布斯他们搞的第二款个人电脑产品，也是可以接键盘输入的。做了一个简单的终端，写的第一个小程序也是致敬乔布斯，按下回车他会打一个「stay hungry, stay foolish」。
X：这样算一算，你们总共码过的产品数量有多少？
C：没有发布的全部算上，有 10 个左右。写东西的过程本身是很有成就感的事，发布不发布不太重要。
前阵子我买了一个新款的理光 GR3，但是我觉得理光自己那个同步 App 特别不好用，所以我自己写了一个工具。两个设备主要是基于网络协议去连接，所以我去抓包看数据，然后复刻了它的方法。我也要感谢我的伙伴 Kevin，他在逆向上面有很多心得，我们一直在互相学习进步。
X：实在是太厉害了。不过大多数人没有你从小当极客的基础的，他们想要像你一样做开发的话，你有没有一些大家都可以借鉴参考的建议？
C：我觉得需要有很强的执行力。做 side project 是很容易弃坑的，但是往往不是因为开发难度，而是因为看不到收入就不想做了。我们不建议想最终的状态，有一些我认识的朋友，开发的时候在想用户数据怎么保护、用户系统怎么做之类的，想得太复杂最后就做不下来。先做 MVP，做一个 demo 验证模式，有了这个东西真好用、能看到效果，再往上面添砖加瓦，就没那么容易弃坑。
我们非常信奉 2-2-2 的开发模式，就是 2 个小时出一个很好玩的 demo，然后花 2 天的时间去和周围的朋友分享，收集一些建议，如果它能够商业化可能着重去看看这个方面，如果不能商业化就做着玩也不亏。不超过 2 周的时间把产品完善结束。如果有更长期的价值，我们就再去维护；如果没有，我们就去找下一个 2-2-2 的循环。
我怎么让自己确保动力的？就是自己有强迫症，大家都知道我买了新设备一定会基于它开发一个东西，大家聊天的时候就会说哇你新买了一个东西，你如果后面没做，就会被调侃乱花钱。
X：在 Dino 之后，你对自己的新应用有什么展望？
C：我觉得自己一直有一个理想，是通过自己的努力改变更多的人。
除了刚才提到的学化学的同学，我还有一个印象深刻的同学。上学的时候我们一起搞信息学竞赛，有一个在我看来很有天分的同学，一度因为怕影响文化课学习想放弃参赛。我觉得以他的能力退出太可惜了，就硬拉着他说比下去。后来他真的留下来参加比赛，「一发不可收拾」，最终进了省队拿了银牌，保送到浙大，后面在这个领域一直很牛。
我觉得每个人都有自己独特的潜力，但受限于环境可能没有及时意识到，当我发现我的一些行动让对的人走到了适合他的道路上的时候，我会非常高兴。也正因为我过去的经历，所以我对激发别人的灵感和创造力很感兴趣，就像苹果比赛的贺词里说的那样。
我还会继续在 visionOS 上做开发，下一个项目有可能会利用好 AR 的相关能力，让玩家以一个完全不同的视角看到自己生活中的万物，重新理解世界。
见证 XR 发展，立足科技前沿，解密未来生活。我们是 XR 航海家，做你 XR 毛线旅途上的哥伦布，为你展开一代人的新大陆。你也可以搜索公众号「XR 航海家」关注我们，并通过后台留言加入我们的微信群。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。