打工人的嘴替来了！语音输入告别“嗯啊这个”，直接输出干净文案

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。

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。

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。

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：

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

「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

「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：

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

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：

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。

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。

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。

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。