Menulis Naskah di Mac Tanpa Biaya Berlangganan AI
TuBrief 편집팀
2026년 7월 11일
0
Computing/Software원본 영상을 바탕으로 AI의 도움을 받아 작성했습니다. 원본 영상이 기준입니다.
커뮤니티의 다른 글
댓글 (0)
Log in to leave a comment
아직 작성된 글이 없습니다
원본 영상을 바탕으로 AI의 도움을 받아 작성했습니다. 원본 영상이 기준입니다.
Log in to leave a comment
아직 작성된 글이 없습니다
Jika Anda seorang pekerja lepas yang membayar 20 dolar setiap bulan untuk layanan AI, maka 240 dolar akan hilang dalam setahun. Saat Anda mengunggah naskah ke cloud, ide bisnis Anda berisiko digunakan sebagai data pelatihan oleh penyedia layanan tersebut. Jika Anda menjalankannya langsung di komputer sendiri, biaya langganan menjadi 0 dan data tidak akan keluar ke mana pun.
Pertama, unduh dan jalankan file instalasi dari situs resmi Ollama. Selanjutnya, instal Fluid Voice dan aktifkan izin mikrofon serta aksesibilitas di pengaturan izin sistem. Sekarang, pastikan apakah suara dapat diubah menjadi teks meskipun internet dimatikan. Anda dapat menulis bahkan di dalam pesawat tanpa koneksi jaringan dengan kecepatan respons sekitar 100ms.
Di Pengaturan Sistem macOS, klik Suara dan buka tab Input. Tetapkan gain input mikrofon ke 70%. Jika suara terlalu kecil, sistem tidak akan mengenali, dan jika terlalu besar, akan tercampur dengan noise.
Di pengaturan Fluid Voice, tetapkan tombol opsi kanan sebagai pintasan global. Anda harus mengaktifkan mode hold-to-speak. Suara hanya akan dikenali saat tombol ditekan, dan setelah dilepas, teks akan langsung dimasukkan. Anda tidak perlu mengeklik editor dengan mouse; teks akan muncul langsung di tempat kursor berada.
Transkrip suara biasanya bercampur dengan kata-kata pengisi atau salah ketik. Dengan menggunakan model 3B yaitu llama3.2:3b untuk mengoreksi tata bahasa, kalimat yang rapi akan dihasilkan dalam waktu kurang dari satu detik.
Buat skrip berikut dan panggil ke server lokal.
`python
import requests
import json
def clean_text(text):
url = "http://localhost:11434/api/generate"
payload = {
"model": "llama3.2:3b",
"prompt": f"다음 텍스트에서 문법 오류를 수정하고 필러를 제거해: {text}",
"stream": False
}
response = requests.post(url, json=payload)
return response.json()['response']
`
Jika Anda menjalankan kode ini, waktu 30 menit yang biasanya dihabiskan setiap hari untuk memperbaiki kesalahan ketik dan pemformatan akan hilang.
Jika Anda menjalankan beberapa model besar di Apple Silicon, RAM akan kekurangan kapasitas dan komputer akan melambat. Dalam lingkungan RAM 16GB, Anda harus menggunakan model llama3.2:3b dalam status kuantisasi 4-bit agar sistem tidak tersendat.
Buat file ollama_env.plist di jalur ~/Library/LaunchAgents/ dan kunci variabel lingkungan. Jika Anda menetapkan OLLAMA_NUM_CTX ke 4096, tulisan yang panjang pun dapat diproses tanpa masalah. Buat symbolic link untuk jalur penyimpanan model ke SSD eksternal, bukan ke disk sistem. Dengan cara ini, Anda akan menyelesaikan lingkungan kerja solo yang menjaga keamanan data sekaligus mempertahankan kinerja sistem dalam jangka panjang.