1000 块/年的输入法，我用它习惯了「口喷」，再也回不去打字了 | AI 器物志

编者按： 当 AI 开始寻找自己的形状，有些选择出人意料。 AI 在智能手机上生出了一颗独立按键，似乎让智能手机找回了久违的进化动力。眼镜凭借着视觉和听觉的天然入口，隐隐有了下一代个人终端的影子。一些小而专注的设备，在某些瞬间似乎比 All in one 的设备更为可靠。与此同时，那些寄望一次性替代手机的激进尝试，却遭遇了现实的冷遇。 技术的落地，从来不只是功能的堆叠，更关乎人的习惯、场景的契合，以及对「好用」的重新定义。 爱范儿推出「AI 器物志」栏目，想和你一起观察：AI 如何改变硬件设计，如何重塑人机交互，以及更重要的——AI 将以怎样的形态进入我们的日常生活？

我很难用熟悉的软件分类去安放 Typeless。

它跟传统输入法格格不入——界面里几乎看不到键盘，最显眼的是一个语音按钮。它也跟那些自称「AI 加持」的输入法不太像，那些产品总喜欢把功能铺满首页，Typeless 的功能反而少得可怜，像是故意把选择题删成了一道填空题。

这份不合群带来一个关键词：越界。

输入法原本服务人与人沟通，目标清晰——打字更快，选词更准。Typeless 把边界往外推了一步，它更在意把自然语言说出的需求梳理得井井有条。它把语言提炼成想法，或者说，它从一段话里捞出真正的意图，再把意图写成一段能直接用的文字。

输入的对象变了。不只是写给人，更多是写给模型。

一款会思考的输入法

我第一次意识到它「会思考」，是在最普通的口述里。

说话时会绕，会补充，会重复，也会用很多填充词。Typeless 的输出更像想清楚之后才落笔的版本——句子更短，信息更集中，语气更收敛。它不执着把说过的每一个音节都留下来，更在意到底想表达什么。

▲ 口述内容被 Typeless 转写后

临时改主意时，差异更明显。传统听写会把自我修正一股脑堆在屏幕上，留下许多中间态。Typeless 更像把中间态折起来，只把最后那个「定稿」留下。屏幕上出现的不是过程，是结果。

需要把一段想法拆成条目时，用普通输入法得先说完再自己排版。Typeless 往往会主动把结构摆出来，逻辑顺序更清楚，段落边界更干净。它像是随手把笔记整理了一遍。

「边说边改」是另一种用法。说完一段话，接着补一句改写要求——更克制、更正式、更短，或者把语气改成邮件——它会在原文上直接调整。不需要停下来选字、删句、重写开头，只要继续说出修改意图。

翻译也是高频场景。需要中英来回切换时，它把翻译变成输入动作的一部分。更省心的是语气处理，它不会把句子翻得像说明书，整体更接近日常沟通。

在办公室或通勤场景里不方便大声说话？它提供了小声输入一类的模式。语音输入过去常被「场合」限制，这类适配决定了它能不能真的用起来，而不是只在安静房间里表现良好。

常用表达也能做成快捷方式——一段固定格式的确认信息，一段常用的工作回复。Typeless 更像把这些东西做成可调用的块，减少重复劳动。输入法从「敲字」变成「调度」。

这些体验汇总到一个点上：Typeless 一直在 Thinking。它把杂乱的口语消化掉，再把更有条理的文字吐出来。它不追求完整复刻说话的全过程，它在整理真正的想法。

这是它最不一样的地方。

AI 器物的新物种

在讨论 AI 产品时，我们更习惯看到的是软硬结合的新尝试——智能眼镜、AI 耳机、豆包手机，它们在新场景里重新定义硬件的形态和交互方式。Typeless 走的是另一条路。

它是纯软件工具，但本质上仍然是硬件的延伸。

从打字机到键盘，再到输入法，这条线索一直存在。打字机把手写变成了机械敲击，键盘把机械敲击变成了电信号，输入法把电信号变成了字符选择。每一次演进，都是在人与文字之间增加一层更高效的转译机制。

Typeless 延续了这个逻辑，但加入了一个新元素——AI 不再只是辅助选字或纠错，它成为输入链路的核心。

传统输入法关心的是「把字打出来」，效率体现在敲击次数、选词准确率、响应速度。到了模型时代，真正消耗时间的往往不是第一次把需求说清楚，而是后续的反复修改。一次改动里夹着大量细节——语气、结构、删改尺度、信息顺序，每一项都需要来回拉扯。人工沟通的成本会在这一步迅速膨胀。

Typeless 解决的就是这段拉扯。

它让「说一句—改一下—再说一句—再改一下」变得顺滑，五到十分钟内把十轮调整连续做完。每一轮都能直接看到结果，马上继续下一轮。输入不再以「把字符敲完」为终点，而是以「文本进入可继续加工的状态」为终点。

这里出现了一个新的「精准输入」。

打字机和键盘诞生时，精准指向的是某个字、某句话。AI 时代的输入变长了，上下文变厚了，沟通频次也变高了。现在的精准更像针对一段超长上下文的控制：按想要的方式分段，或者连写；把某一句压短，或者把某一段扩写；要求它不要分点，或者把逻辑拆成几条。

控制对象变了，输入法的职责也随之变化。

这也是「给 AI 用的输入法」的含义。

▲ Prompt 由 Typeless 转写而成

Typeless 的重点不在社交表达的情绪张力，它更适合把需求交给模型，再把模型产出收拢成能用的文本。它强化的是人与 AI 的沟通效率。商业模式也很符合这种取向——界面极简，没有广告位，付费方式更像「为结果付费」。订阅用户不限量，非订阅用户每周有固定额度。产品用得越多，价值越容易被衡量。

把它放回国内输入法的语境，对比会更清晰。

老派输入法以搜狗为代表，今天也能加上「AI」二字，也能提供一堆 AI 功能。但它依旧像原来的产品——键盘还在，广告和功能标签也还在。输入法被迫承担太多与输入无关的任务，效率容易被稀释。

▲ 搜狗 AI 输入法

另一类是 AI 工具的延伸，比如豆包或微信输入法，它们更像把既有的 AI 能力塞进键盘里，做成一个入口。入口当然有用，但入口并不等于工具。入口解决的是「去哪里用 AI」，Typeless 更关心「怎样把 AI 用得更精确」。

▲ 左边为豆包输入法听写，右边为 Typeless 听写

真正的 AI 输入法，服务的对象变了。它主要服务与模型的高频沟通，服务长上下文里的精确控制，服务反复修改直到结果落地。它不需要把自己做成一个热闹的广场，它只要把那条最难的链路打通。

它也有副作用。用它跟同事沟通时，偶尔会显得过于干净，像把语气里的缓冲都删掉了。对方会觉得不够有人味。会在这种场景里切回普通输入法，手动敲几句更口语的句子，补一个表情，或者加一段无意义的笑声。这不是 Typeless 的问题，而是它的真实位置——它最自然的场景是与 AI 沟通，不是与人闲聊。

▲ 给同事发显得有点「人机」感

输入法向来是残酷的赛道。到处都能用，也意味着到处都会被挑剔。每一次卡顿、每一次误判、每一次隐私疑虑，都会直接影响它能否留下来。Typeless 要证明的不是「模型有多强」，而是「日常输入是否真的变快、变准、变省心」。

当人与 AI 的沟通变得日常，输入法可能会成为最隐蔽、也最核心的接口。它要做的不是替用户写完一切，而是把说出的信息整理成更可控、更可迭代的文本，让「多轮修改」从一种负担变成一种自然动作。

这类产品最终能不能站住脚，取决于两件事：一是它能否在所有细碎场景里保持稳定，二是它能否让「为结果付费」变得理所当然。

输入层向来没有中间地带——要么融入习惯，要么被迅速替换。Typeless 作为 AI 产品演进史上的一个新节点，把自己定位在了那条更窄、也更陡的路上。

One more thing： 我们是怎么用嘴「喷」出一篇文章的

上面的这些文字，以及下面的部分文字，我们全程只动了嘴皮子，指挥 Typeless、ChatGPT、Claude 等工具完成，没有手打一个字。

按照以往，要写一篇这样的文章，最少也得花上 2 个小时，现在只用了 30 分钟。

先介绍一下这个产品的具体细节。Typeless App 支持手机端的 iOS 和 Android，以及电脑端的 Windows 和 Mac。

免费方案提供每周 4000 字转写；而付费没有字数的限制，每个月 30 美元，每个季度 60 美元，一年 144 美元。

这个价格并不便宜，但它很符合 AI 时代「付费交货」的结果导向模式，即使是免费用户，也不会遇到广告和太多限制，最主要的差距仅限转写字数。

其实 Typeless 不太像一个「输入法」，它完全没有传统的键盘，只有少数几个按键，更不用提什么 AI 斗图、表情包的功能，只做好「语音转文字」的本职工作。

我很喜欢 Typeless 的在设备上全局的集成形式——手机上是输入法，电脑上是热键，让它可以像 AI 助手一般跨应用使用，这是 ChatGPT 无法给出的细节体悟。

整个过程还挺有意思，一开始我们只是想测试用 Typeless 和 ChatGPT 进行写稿的过程，但随着一轮一轮的对话深入，稿子不断打磨，最终出来了一篇观点明确的文章，不仅行文流畅，AI 味也很少。

一开始，我们先抛出了一些初步的想法，关于 Typeless 这个产品的一些观点，以及资料收集和写作注意事项，这些「意识流」的口述被 Typeless 整理成条理清晰的文字，直接用作 ChatGPT 的提示词。

ChatGPT 给出的第一版稿件没啥信息量，结构也不正确，语言平铺直叙还很有 AI 味，距离一篇好看的文章还有不小距离。换做平时，想要给细致的修改建议，不免得要花大量的笔墨给出新的提示词。

▲ Prompt 由 Typeless 转写

但现在我们有 Typeless，只要把听写打开，我们可以从头到尾一句一句提修改意见，并根据文段补充相应的观点和叙述。

▲ Prompt 由 Typeless 转写

我们需要尽可能给出细节，比如对比 Typeless 和搜狗、豆包、微信输入法区别的部分，就需要强调这几种产品的差异，AI 在写作时才能凸显 Typeless 的优势。

▲ Prompt 由 Typeless 转写

经过几轮的修改，ChatGPT 生成的内容已经相对完善，这时候我们可以换用 Claude 进行润色。

我们首先给 Claude 喂了几篇爱范儿写过的 AI 新硬件文章，让它充分学习我们行文的风格，据此来修改 ChatGPT 的草稿。

Claude 的初稿也还有提升空间，这时候我们可以继续用 Typeless 帮我们转述一些相对更细节的修改建议，直到满意为止。

▲ Prompt 由 Typeless 转写

其实我们对着 Typeless 侃侃而谈的文本量，累计可能已经比最终的成稿还要大，但出稿的效率大大提升，并且过程要比单纯写作更加轻松。

AI 时代，Typeless 应该「无处不在」

一开始试用 Typeless 的时候，作为一个不太习惯用语言来梳理想法和表达自己，也不需要长篇大论去表达想法的人，我会觉得它不适合我，更适合天天需要给出大量反馈的领导、Mentor、甲方人群。

但进一步探索使用之后，我觉得我还是狭隘了。在这个 AI 时代下，Typeless 不应该只是一个独立的 App，更应该成为一种「标配」无处不在。

从小处说，「语音转文字」，远远不能停留在「准」，在 AI 时代下更应该追求「精」。以后发语音转文字就全是精炼的信息，而不是满屏的「呃」「那个」以及口误。

▲ 42 秒的语音有用信息只有 10 个字

比起给爸妈手机装一个 Typeless，我更希望类似的功能直接集成到微信中——或者说，所有应用内置的「语音转文字」功能，都值得以 Typeless 的方式重做一遍。

更大的价值，在于 Typeless 给 AI 交互提供了一种新的可能。

哪怕是每天都在写稿，我的表达能力经常追不上自己的想法。甚至不是写稿，只是用键盘和 ChatGPT 对话，很多时候火花在敲击字母的时候，就已经熄灭。

改成开口说话，事情会轻松很多。我不必先想好结构，也不用马上挑最精确的词，语言会先把材料「拽」出来，观点和洞察会更自然而然流淌。

这就像在现场指导一个实习生做修改，指令可以很细，细到每一句话怎么落地——是的，我们每个人都有了 AI 作为「乙方」。

指望「一句话」让 AI 生成一切，基本不现实，信息密度太低，AI 很容易离题，素材又撑不起来，于是成品常常空、泛、虚，表面上写完了，读起来却像没落过笔。

对于 AI 来说，「上下文」很大程度决定了生成的质量，我们必须要给模型「喂」大量的想法、观点和语料，才能得到更符合预期的结果。为什么这两年内存价格大涨？要运行和训练 AI，超大的上下文必不可少，于是 AI 行业产生了对内存的巨大需求。

用 Typeless 的体验，更像是在给 AI 喂一份更丰富的语料，生成的内容有据可依，观点也够牢靠，AI 更多只是负责把这些碎片变成更好读的文章。

所以，不仅微信可以集成类似 Typeless 的功能，所有的 AI 公司，完全可以把这种「AI 翻译层」集成在聊天机器人之中，引导用户把提示词往多了说。

而只要用户给 AI 注入的内容够多，AI 模型能力的差距，也会被进一步缩小。

▲ 用 Typeless 转写的超长 Prompt

或许有人会对 Typeless-ChatGPT 这套解决方案有点悲观，这岂不是意味着，人类创作真的会彻底在 AI 时代消亡？

是，但又不全是，Typeless 只能消除「写作」这件事的成本和门槛，但却进一步凸显出「思想」的重要，让人类的感悟、观点、洞察变成了写作真正的核心。