ARTICLE · 1046762
语音输入法才会AI最好的工具
人机之间 / NOTES ON HUMAN × AI
用 AI 时
你懒得打出来的话
可能最重要
多说一点，把话说完整
开篇 / OPENING
我们不缺少想法，
缺的是把它们说完整的时间。
最近看到桌面版的微信增加鼠标长按语音输入功能，鼠标移动到对话框，会有一行提示：按住鼠标 语音输入文字。
最近用了几天，发现还挺好用的，轻声说话也可以准确识别。
图 / 微信 PC 版对话框里的语音输入入口
这件事让我想到，在 AI 时代，语音输入是目前很多人使用 AI 时最容易忽视的一个功能。
为什么？
我们先问自己一个问题：你每天和 AI 交流，到底有多少信息，在输入之前就被自己压缩或省略了？
提到语音输入，大家很容易想到速度：说话比打字快，可以少敲一些键盘。
但在 AI 时代，它有另一个作用：
让我们更愿意把事情说完整，告诉 AI 更多的上下文内容。
01
很多细节，是因为嫌麻烦才没说
假设你想让 AI 帮你写一封邮件。
打开输入框，你可能会打：
“帮我写一封邮件，催一下客户的项目进度，语气客气一点。”
需求表达清楚了吗？似乎清楚了。
但你心里其实还有很多事：
这个客户合作了两年，关系一直不错。上周已经催过一次，对方说负责人出差了。你着急，是因为内部排期快撑不住了。你希望这周能拿到明确回复，但又不想让对方觉得你在追责。
这些信息你都知道。
只是把它们一条条打出来，有点麻烦。于是你想：先这样吧，看看 AI 怎么写。
AI 最后给你一封措辞礼貌、内容标准的催办邮件。没什么大错，但总觉得差点意思。
差的那些意思，就是你在打字的时候自动省略的细节和内容。
这些背景、顾虑、限制和期待，就是使用 AI 时经常说的“上下文”，是让 AI 产出的结果符合我们意图的关键要素。
02
语音输入大大降低了“值得说出来”的门槛
打字时，我们经常在心里做一些小小的判断：
这件事值得专门补一句吗？
事情的背景、顾虑、之前失败的尝试，单独看每个点可能都未必重要。
为了省事，我们在打字的时候会自动忽略它们，只留下最简短的一两句话。
说话的时候，补充这些信息往往更自然：
“对了，还有个情况……”
“我之所以着急，是因为……”
“之前试过一次，但那个方向不太合适……”
这些顺口带出来的话，恰好能告诉 AI：为什么要做、有哪些限制、什么结果才算合适。
过去，我们可能要有足够强的表达欲和动力，才愿意打出一大段字。并且很多人对写字有一种“完美主义”，导致文字停留在大脑中，没有真的输出。
但语音输入让这个门槛大幅降低：有一点想法，就可以先开口说出来。可以先记录下来，一点点积累，然后让 Agent 理解所有的碎片信息。
输入成本降低后，一些原本不会被表达的信息，开始进入 AI 对话。
03
人并不总是想清楚了才开口
很多人还有一个习惯：总是先把问题想清楚，再去问 AI。
可很多时候，我们只有一种模糊的感觉。
觉得这个方案哪里不对，又说不上来。想写一篇文章，有几个零散的念头，但还没形成结构。
面对空白输入框，我们会开始纠结：第一句话怎么写？先讲背景还是先讲结论？这样会不会太乱？
语音提供了另一种开始方式。
你可以先讲眼前的事，讲一个例子，讲自己的犹豫。说到一半，才发现真正介意的是什么。
表达本身，
也可以是思考的过程。
对 AI 来说，这些尚未整理好的材料，也可能足以支持下一步：归纳问题、找出矛盾，或者提出一个你还没想到的追问。
“干中学，说中想”，你不必一开始就交出一份完整的需求文档。
04
选语音工具时，我更在意这四件事
我觉得，挑选语音输入工具时有四件事值得留意。
01 你主要说什么。
中文日常、中英混输、英文编程指令，可能适合不同的工具。最有价值的测试材料，就是你每天真正会说的那些话。
02 说完以后，还要等多久、改多久。
一段话虽然识别出来了，如果要等很久，或者反复改错，表达还是会被打断。识别准确率只是体验的一部分。
03 自动整理有没有改变原意。
有些工具会主动删除重复、调整语序、归纳成列表。这些处理是否合适，要看你是在写一封成稿邮件，还是在向 AI 补充任务背景。
04 你准备在哪里说。
办公室里，需要考虑声音大小，以及嘴到麦克风的距离。如果为了让软件听清，必须不断前倾、凑近、提高音量，或者担心打扰同事，输入门槛就又升回来了。
05
我目前更推荐哪款软件、硬件工具？
我自己用过豆包输入法、微信输入法、Typeless 和秘塔回响四个语音工具。
单论识别准确度和耳语识别，在我的使用场景里，Typeless 是表现最好的一个。不过，目前它的免费额度已经从每周 8000 字降到了每周 2000 字。此外，Typeless 默认会自动整理你的表述，输出的结果是结构化的内容。
通用的语音工具目前我更推荐豆包输入法。
原因很直接：它对日常中文的理解已经足够满足我的需要，语音识别延续了豆包的体验；手机和电脑都有客户端，免费。
它未必在每个场景下都是最强的，但这些条件组合起来，让我更愿意随时开口。
这恰好回到了文章最初的话题：我们希望降低表达的门槛。如果每次准备多说几句，都要想着“这周还剩多少额度”，就可能又开始省略那些本来想补充的细节。
硬件设备的选择，我建议遵循最小成本原则。淘宝上有不少 20 元左右的有线麦克风，我使用下来效果不错。
如果觉得有线的麦克风不方便，预算提高到百元级别，可选的蓝牙麦克风不少。感谢中国制造业的强大。
END
下一次，多说一点
原本准备省略的话
更多文字不必然带来更好的回答。语音也会产生重复和无关内容。
但对于那些需要交代背景、描述感受、梳理想法的任务，它值得一试。
下一次向 AI 提问时，可以多说几句：
你为什么要做这件事？
你之前试过什么？
你最担心什么？
什么样的答案，即使看起来正确，你也不会采用？
不必刻意凑成一篇长篇大论。把那些你知道、却原本懒得打出来的信息补上，就够了。
AI 的产出能否更贴近你的意图，有时取决于你是否愿意再多讲一点。
而语音输入的价值，就在于让这“一点”，变得更容易。