托业听力测试一招过，CodeArts代码智能体来帮忙

     近期准备考一下托业英语，自己英语水平一般，最大的障碍是听力，很多单词看着认识，但听着不知道讲的是啥。因此我一直希望能开发一个工具，可以在播放听力时，实时显示英文字幕。为此，我先后尝试用 Trae、Qoder、Lingma、GitHub Copilot、Lovable、Cursor 等多个AI Coding工具来开发这一功能，但始终没有成功，国外工具超额就要收费，国内工具代码生成后正确率不高。最后，在CodeArts代码智能体的帮助下（CodeArts代码智能体官网），用token不限量的GLM4.7，连续跑了1小时，大约10个交互来回，终于实现了，请看界面：

       当然，这个过程并不是一帆风顺。起初CodeArts代码智能体IDE走的方向是用云厂商的实时语音识别，我按照md的提示去云厂商开通了实时语音识别云服务，也预充值了一些钱，申请了AK/SK和APPID。但是IDE并不能很好的理解各家云厂商的API调用方式，来回交互几次，换了几个云厂商的API，不是鉴权失败，就是传参错误，最终不得不放弃了这条路。这也说明当前 AI Coding工具还处于野蛮生长阶段，与云厂商的API/SDK还没有做很深的结合，此处未来会是各家工具一个有力竞争点。

       后来，我通过Prompt引导IDE走本地离线Whisper模型解析语音路线，IDE可以很聪明迅速的重构了整个工程，自动修改为下载fast-whisper大模型，通过本地cpu算力推理的方式，来把mp3文件里的语音转成文字，并带有时间戳，其实就是生成了字幕文件。然后在音频播放时，用了时间同步技术，实现字幕实时显示。这个方向，IDE走的比较顺利，基本上三四个交互就OK了，当实时字幕出现的那一刻，我内心涌起了一股对AI由衷的敬意。作为一个十年程序员老兵，如果是在两年前，我手敲代码实现这个应用，估计要三天以上的时间，而现在1小时不到、一行代码不看，只是对着 AI IDE 打字聊天，它就自动完成了，这个改变是软件生产力的巨变。

      巨浪来临时，我们拿上冲浪板，迎头赶上吧！

附件是IDE帮忙总结的全过程复现提示词：请根据“AI_CODING_GUIDE.md”文件里的要求，完整开发出应用

依赖的语音识别模型：whisper-base，英译中模型：opus-mt-en-zh，如果无法访问huggine face，可以从modelscope手工下载，保存到 models/base/ 下，及models/translation/opus-mt-en-zh目录下。