我决定用 AI 完全替代传统编程，零代码从头开发一款收费产品。整个过程没有写过一行代码。

至于痛点一，缺乏编程经验。传统开发成本高

大多数创业者或产品经理都面临“技术门槛高”这一痛点。传统比如的转写服务需要自己跑 Whisper。还有配置服务器，再有维护 GPU，耗时耗力且难以快速迭代。

方法这方面。借助 Qwen ASR 与 Vast.ai 的低价 GPU

我使用 Qwen ASR 进行语音转写，GPU 则租用 Vast.ai 的消费级实例。价格便宜，但要让它们成为稳定可靠的在线服务，却不是件容易的事。

痛点二这方面。GPU 费用与服务稳定性的矛盾

即使单机成本低，单机稳定性差、网络波动大导致离线/宕机频发。为此，我放弃官方 Serverless 方案。利用 Codex 从零建立了自己的 GPU 实例调度程序。

说到结果，节省时间与成本

在 AI 帮助下我把原本可能需要数月完成的工作压缩到不到两周。怎么说呢，对技术大佬来说速度仍可提高，但对于普通创作者已是巨大跃进。

PennyScribe：专为 AI Agent 与开发者建立的云端转写服务

PennyScribe 能将音频、视频中的语音快速转换为结构化文本，接下来交给 Agent 完成内容、知识提取、信息检索和自动化处理。

痛点三这方面，现有工具下载 Whisper 耗时且易中断

• 下载与安装 Whisper 过程漫长；按理说，
• 设备性能不足导致处理缓慢；
• 网络不稳易中断任务；
• 批量处理时资源分配不均衡。按理说，

PennyScribe 的优势：

• 云端多台 GPU 并行处理。批量任务效率倍增，说起来，
• No local installation – 一键访问 API 即可；
• 专注高质量纯文本输出，后续可以直接用于多语言内容生成或知识库建立；
• MCP 接口，让 AI Agent 原生调用更简洁；
• CLI 与 API 兼容不同场景需求。老实说，

当前限制与以后主要：

PennyScribe 当前聚焦“把语音转写成高质量纯文本”。由于 Qwen ForcedAligner 在生成时间戳方面效果欠佳，我们暂未支持视频字幕制作。话说回来，但若你需要将访谈、播客、通话或课程录音转换成干净多语言文本。再交给应用程序或 AI 工作流继续处理，PennyScribe 是理想搭档。

调整空间仍大的观点是，

• GPU 调度效率尚待提高；
• 转写吞吐量需进一步加速；
• 成本结构继续调整以压缩终端价格。

商业可行性考量：

AIGC 行业市场已出现不少成熟语音转写产品，但我们关注的是“AI Agent 友好型”。其实，如果能够真正让机器轻松发现并调用我们的服务。而不是仅靠 UI 封闭功能，我们相信行业市场机会仍然巨大。

I will continue refining architecture and lowering costs to test how far a truly agent‑centric transcription service can go.