AI解放双手的伟大实践

我爱免费

作者：微信文章
前阵子和一个朋友在微信上聊天，聊马斯克的话题，两个人聊得很起劲。

我自认为自己是一个无论电脑打字还是手机打字都特别快的人，但我发现我这个朋友简直像挺机关枪一样，大段大段的内容输出得飞快，我这头还在打字呢，她那边一整屏的文字又发过来了。

有那么一刹那，我怀疑她是不是接入了一个agent（智能体）在和我对话，我甚至直接和她提出了这样的疑问：你是训练了一个agent自动回复吗？怎么回复得这么多这么快啊，哈哈。

然后她告诉我，她用的是豆包的语音输入法。她说她不喜欢打字，现在基本上都只用语音输入来完成打字了，有时候甚至会和豆包聊上10分钟、20分钟，豆包也会耐心记录下来。

当时我没有被她说动，还是坚持着“古法手打”的做派。但后来，在不同的几个群里，都看到有朋友提到，他们最近都开始用语音输入法，并且他们的感受都是用得特别爽。

除了豆包，还有好几个朋友推荐了一个叫做Typeless的输入法，这个输入法的功能和豆包类似，不过只能在桌面端用（而豆包只能在手机端用）。它和豆包的不同之处在于，豆包会更加忠实地记录用户所说的内容，而Typeless则会多做一些修改，来完善表达。

我能非常直观地感受到，这些用上了语音输入法的朋友表达和输出的能力显著增强了，并且时不时地能飙上一大段想法，就像是“机械飞升”了一样，在表达效率上快得和其他人不是一个物种了。

这下真让我有点心动了。昨天我试了试豆包、搜狗的语音输入法，后来发现微信也上线了这个功能。

不过在微信里使用，需要点击聊天框里的话筒符号，而不是原来的“按住说话”再转文字的功能，两者有明显差别。

微信自带的AI语音输入法

而且似乎这个功能还在灰度测试中，因为我发现身旁的其他一些朋友没有这个功能，而我是在安装了豆包输入法之后，突然发现微信出现了这个功能，可能是一种防御性的行为。

在体验之后，我发现通过语音输出文字的爽感比我想象得还要更强！

原来微信上也有语音转文字，和现在的语音输入有什么差别？

我自己体验下来，区别还是挺大的。以前的模式我们可以把它叫做传统语音输入法，最近的这个可以叫AI语音输入法。

第一个感觉是特别丝滑。可以实时地将文字展现出来，而不是原来那种存在明显迟滞感的体验。你说话的时候，文字几乎同步出现在屏幕上，这种即时反馈带来的流畅感，让整个输入过程变得像说话一样自然。

第二个是准确率大幅度提高了。传统的语音识别，我以前觉得最大的痛点是，识别准确率虽然还不错，但最后还是得好好看一遍，有一些内容需要自己编辑，特别是说到一些专业词汇的时候没法转化好。但现在的AI语音输入法，对专业术语、人名地名的识别准确度惊人，基本上一次性就能准确输出。

第三个是语言支持变得更丰富了。传统模式下一定得用相对标准的普通话，但现在连一些方言也能识别，中英文夹杂着讲也没问题。我有个广东的朋友，用粤普讲话也能准确识别，这在以前是不可想象的。

第四点，也是最让我惊喜的——现在的AI语音输入法真的“更聪明”了。它可以过滤掉一些多余的口头禅，比如“这个”“那个”“嗯”“啊”之类的语气词，还可以根据语境梳理语义，输出更规范的文本。有时候你说话逻辑稍微乱一点，它也能帮你理顺，甚至自动加上合适的标点符号。

第五个点在于时长不再受限。以往可能讲到一分钟就得停下来，但现在完全是随心所欲，想讲多久就讲多久。我有次试着连续说了好久，它依然稳定地记录着每一个字。

有了这样的工具，我觉得对人类带来了进一步的解放，很多事情变得更方便，效率大幅提升。

以前用手打字，有时候总是会纠结。每打一个字之前，总是倾向于让这个字变得很完美，反复斟酌用词。但讲的时候，你就有勇气把话说出来，思维是流动的，不会被“完美主义”卡住。在这个基础上，你可以先有个基础稿，然后再去改，AI也可以帮你调整得更加合适。

走出第一步永远比纠结要来得重要。而语音输入转文字能做好的话，确实能够大幅提升大家想法落地的可能性。

就比如说我自己写文章写公众号的时候，以前总是先想很多，把整个框架构思好，想好想要的语句再写下来。但有时候会陷入过度构思的陷阱，花很多时间打磨开头，反而迟迟没有实质进展，甚至把很多灵感都错过了。

但用语音的话，我就可以快速把脑子里的想法倾泻出来，先有一个完整的草稿，再去打磨。这种“先完成，再完美”的创作方式，让我的产出效率至少提升了两三倍。

就比如你现在正在看的这篇文章，它的基础框架就是我花了大概十五分钟，我负责口述，微信语音输入法给实时“写”出来的。

更重要的是，语音输入改变了我和文字的关系。以前打字是一种“制作”文字的过程，现在更像是“捕捉”思维的过程。那些稍纵即逝的灵感、转瞬即逝的想法，都能被及时记录下来。

……

现在正是互联网巨头争夺AI流量的关键时刻，大家都希望能够打造属于自己的AI时代的Super App。

字节直接把自己的输入法命名为“豆包输入法”，和自己的大模型产品“豆包”命名一致，显然是带有这样的意图：让键盘以及语音输入这一最为高频的工具，成为用户了解和习惯“豆包”品牌的重要一环，并通过这个输入法不断展现字节的AI能力，让用户潜移默化地习惯由字节的大模型所带来的优秀AI体验，在抢占用户心智的同时，进一步引导用户到自己的平台之上，扩大自身的市场份额。

微信作为一款国民级社交软件以及腾讯应用和展现AI能力的重要平台，而且又是用户每天大量文字内容输出和沉淀的平台，肯定不希望自己的竞争对手通过外挂的AI输入法侵入自己的领地。

腾讯在2021年完成了对搜狗的收购，将市场份额最高的输入法纳入了自己的麾下，而如今，豆包输入法显然正在发起一场强有力的挑战。腾讯要用什么样的方法来进行应对，值得我们期待。

……

有个朋友在用过语音输入转文字的功能之后，发出了这样的感慨：

“人类的进化已经开始了。现在可能不需要在生理上有很大改变，只需要在工具使用上产生差别，就能成为两种不同的物种。那些能把各种AI工具用好的人，在我眼里已经是一个更高维的物种了。”

我深以为然。

我们讲达尔文的进化论，物种会在适应环境的情况下，进行各式各样的变化。但人类的优势在于，我们可以通过科技创新为自己带来新功能，而不需要等待漫长的基因突变。过往需要通过DNA变化、经过千万年才能拥有的能力，现在我们通过工具就能立即获得。这就是人类的伟大之处。

语音输入法看起来只是一个小小的工具，但它带来的改变是深层次的。它让那些思维敏捷但打字慢的人，不再被输入速度限制；它让那些有表达欲但害怕写作的人，能够更轻松地分享想法；它让创作的门槛大大降低，让更多人有机会成为内容创作者。

当然了，语音输入还是有一定缺点的，一个是费嗓子（利好金嗓子喉宝），另外在公共场合使用也不太方便，毕竟不是所有场景都适合对着手机自言自语。

但瑕不掩瑜。我想，再过几年回头看，我们可能会把AI语音输入法的普及，看作是人机交互史上的一个重要节点。它标志着我们从“用手指告诉机器”进化到了“用语言告诉机器”，从机器适应人，变成了人更自然地使用机器。

而再下一步，当脑机接口进一步发展之后，在那种情况下，我们甚至不用说话，机器就能了解我们的意图，直接开始工作，结合现在在vibe coding和agentic领域的各种进展，未来人类的工作效率还有可能以数倍甚至数十倍的效率提升。

这场解放双手的伟大实践，才刚刚开始。