语音输入喊了这么多年，千问电脑版一出手就把键盘卷没了？

编辑｜杨文

AI 正在悄悄改变人与电脑的交互方式，而下一个被重塑的，可能就是每天发生几百次的「输入」这个动作。

语音输入并非新概念。从早期的 Siri、Google Assistant，到近几年 Whisper、Otter.ai 等工具在海外掀起的语音转文字热潮，这条赛道已经被反复验证过需求真实存在。

但用户的抱怨也从没停过。识别出来全是口语，「嗯、啊、那个、这个……」一个不落，语气词、停顿、口误，说完还得自己改一遍，兜了一大圈，效率并没提升多少。

而且很多工具和真正的办公场景脱节，重活都在电脑上干，语音工具却在手机里。

最近，千问电脑版上线了全新的语音输入法，我们只需对着屏幕开口说话，它就能自动识别当前所在的应用和屏幕内容，理解我们的表达意图，过滤掉语气词和口误，直接输出结构化、可用的文字。

这套语音能力还打通了千问电脑版本身的生产力工具，语音指令能直接调起 AI，帮忙回邮件、润色文案、生成 PPT、整理表格等。

交互逻辑也很简洁，记住两个操作就够了。在任意界面长按右 Alt（Mac 用户长按右 Command），松开后语音自动转文字，不需要额外安装插件，也不需要切换应用。

如果想直接下达指令让 AI 干活，双击同一快捷键即可。查资料、回消息、生成文档、做 PPT，选中内容后双击，千问便能基于当前屏幕内容直接执行任务。

可以这么说，语音输入在这里不只是一个替代键盘的输入方式，相反成了触发整条工作流的开关。

目前，该功能已上线，我们可以下载千问电脑版或访问网页版直接体验，功能全免费、零门槛。

接下来我们就奉上一手实测，看看能开发出哪些提效玩法。

• 千问网页版：https://www.qianwen.com/
• 千问客户端：https://www.qianwen.com/download?ch=tongyi_redirect

智能语音输入：打工人最强「嘴替」

先来试试智能语音输入。

我们将输入光标放在钉钉聊天框里，按住右 Alt（Mac 用户按住右 Command），对着电脑说一段完全口语化的内容，不停顿、不整理，就像跟朋友随口聊天那样说出来：

「就是啊，这个项目的话，我觉得吧，嗯，时间线要排一下，然后那个…… 对，就是周四之前要跟客户确认方案，然后内容那边也要催一催，不然可能来不及。」

千问将所有语气词过滤干净，原本散乱的三件事，被整理成逻辑清晰的三句话，意思完整保留，但文字已是可以直接发送的状态。

千问语音输入法效果

以前写 prompt 要斟酌半天，现在可以随想随说。

比如口语输入一段复杂的提示词：

「我要写一份千问电脑版语音输入法上线的营销策划方案，你帮我整理一下。先说产品功能和价值，讲它怎么结合千问 AI 提高办公效率和内容整理能力。然后分析目标用户和市场定位，比如职场白领、内容创作者、学生，他们的痛点和需求，跟竞品比有什么优势。接着帮我设计营销策略，包括线上线下推广、社交媒体、短视频、KOL 合作之类的。再帮我做个预算和 KPI 规划，每个渠道和活动的预算、下载量、转化率、曝光量等。还要分析风险和应对，比如用户认知不足、教育成本高、竞品影响。最后帮我做深度分析和观点拔高，讲 AI 语音输入在办公效率、知识管理、内容创作的趋势，国内外输入法发展和推广动向，以及对数字办公生态和用户习惯的长期影响。」

千问能分条缕析地理清需求，自动按框架分点输出，结构一目了然。

千问语音输入法效果

识别准确率方面，正常语速下中文识别几乎没有错别字，中英文混说也能无缝识别。比如我们语音输入：

「王姐，问你个事儿呗，明天咱们的会是几点呀？我下午有个 Deadline，能不能往后 push 一下？哎呦，楼下新开了一家羊汤馆，挺好吃的。中午咱一块去吃饭去？」

千问语音输入法效果

再来个包含大量英文技术术语的提示词，原话是：

「对话历史太长导致 Context Window 爆了。我想把 ConversationBufferMemory 换成 ConversationSummaryMemory，请给我一个用 LLM 自动 Summarize 历史消息的代码示例。」

千问识别结果依然很准确，中英文混说没有出现任何偏差。

千问语音输入法效果

智能语音指令：不用打字，开口说话就能办公

双击右 Alt（Mac 用户双击右 Command），则进入另一种模式 ——AI 语音指令。我们说什么，千问就能干什么，在任意软件、桌面任意位置均可唤起千问。

比如在邮件页面双击唤起，直接说：

「帮我写一封邮件，告诉客户方案延期两天，周五能交付，态度诚恳一些。」

千问听懂指令后，能感知上下文，识别收件对象，并按邮件格式输出一封带开头、结尾的完整邮件，语气客气不拖沓。

千问语音输入法效果

如果觉得过于正式，再说一句「将邮件语气改得轻松一点」，千问直接重新生成，措辞到位无需手动修改。

千问语音输入法效果

而且它还能进行场景感知。同样一句语音指令「帮我回复下，说我可以」，在钉钉聊天框里，它输出的是：「收到啦！我会准时到达会议室哒～不见不散呀！」保留了即时通讯的口语感，末尾还自然带上表情。

千问语音输入法效果

切换到邮件界面再说同样的内容，话术则变成「收到，我会准时参加」，语气直接切换成商务书面表达。

千问语音输入法效果

同样的指令，它可以根据不同的场景，呈现出截然不同的表达风格。

千问智能语音指令还可以用来记便签，任何时候双击唤起，原话是：

「我觉得可以写一个趣味选题，吐槽当代大学生写论文的现状：很多人先用 AI 生成初稿，再用 AI 扩写润色，最后又用 AI 检测重复率，结果整篇论文几乎全程由 AI 操作，自己动手的部分越来越少。帮我记录这个灵感，并给几个拓展方向，比如学术诚信：AI 写作和扩写的滥用是否影响原创性和学术道德。技术怪圈：AI 生成论文再用 AI 检测的荒诞逻辑和 “自相矛盾” 的现象。写作能力退化：过度依赖 AI 是否导致学生基本写作技能下降。教育制度应对：学校和老师如何应对 AI 写作带来的教学挑战和评估问题。」

千问电脑版能自动识别、记录并提供查看入口。

千问语音输入法效果

接下来我们再试几个进阶场景。

比如语音指令和千问内置的 PPT 功能联动。

千问 PPT 新增专业模式，由 Qwen 最新 AI 大模型编程能力加持，可动态生成复杂结构的 PPT 页面和内容，内容有深度，而且排版专业。

我们在钉钉里选中一段需求，双击快捷键，开口说：「帮我把这段需求整理成待办清单，再做成汇报 PPT。」

千问基于选中的内容，自动梳理逻辑、提炼要点，生成一份结构完整的 PPT。不需要复制粘贴、切窗口，更不需要手动排版。生成后还支持继续修改，直接在原 PPT 上调整，不用推倒重来。

千问语音输入法效果

此外，它还支持多文件处理，将几十份 Word、PDF 文件拖入千问，双击快捷键下达指令，AI 可以自动读取内容、提炼关键信息、生成数据可视化图表，输出一份可直接上台汇报的材料。支持 39 种文件格式，一次性批量处理。

语音指令搭配 Excel 也是需求极高的场景。

我们依然双击快捷键下指令，原话是：

「把财政部 税务总局公告 2026 年第 10 号文件包含的增值税优惠政策具体项目整理成一份 excel 清单，减免方式、政策内容、执行期限。」

千问自动搜集相关政策，并整理成增值税优惠政策清单 Exccel 文件，全程对话式操作。

千问语音输入法效果

整个过程里，我们只需说清楚要什么，执行层全部交给千问。对于日常需要维护各种数据表但又不擅长 Excel 的人来说，这种操作方式的门槛几乎为零。

结语

支撑这一切的，是千问大模型多年沉淀的语音底层能力，包括超亿小时音视频数据训练、端到端的实时响应。扎实的技术底座，本就在等待一个足够日常、足够高频的落地出口。

真正让千问电脑版语音输入法值得单独说一说的，是它重新定义了「语音输入」。普通语音输入法做的是听写，我们说，它转，转完就结束了。而千问做的是理解，是把声音到文字的单次转写，升级为识别 — 理解 — 重写 — 排版的完整智能链路。

这条链路，是专门为语音输入打造的 AI 流水线，Qwen 定制 ASR 模式负责高精度听懂，Qwen 最新序列的 LLM 负责深度理解与表达重构。它同时在听我们说什么、看屏幕上有什么、判断我们正在用哪个软件，再决定输出什么。它真正解决的，是把口头想法快速变成一段可以直接使用的高质量文本。

它也把使用 AI 的流程压缩了。长按说话、双击下指令，AI 能力直接嵌在我们正在用的软件里，输入和执行之间没有断点，注意力也不会因为切换窗口而中断。

这背后，是一个正在成形的更大趋势。苹果将 Siri 全面升级为 AI 助手，OpenAI 持续推进 ChatGPT 的语音对话能力，Google 的 Gemini 也在强化多模态交互…… 语音正在从键盘的补充，演变为 AI 时代最自然的交互入口，因为大模型已经能真正听懂人话、理解上下文，打字反而成了多余的中间环节。

但在电脑端，这个转变才刚刚开始。桌面端的语音输入长期停留在转写工具的层面，没有与 AI 能力真正结合，千问电脑版语音输入法恰好做了一次尝试。

模型有多聪明，决定的是产品的上限。用户能用多自然的方式把意图传递给 AI，决定的是产品能否真正进入日常。

语音输入，正在成为 AI 交互的下一个入口。