对着屏幕碎碎念，AI时代的输入革命来了？

AI语音输入法，只有社交牛X症才能用？

文｜园 长

编｜陈梅希

曾经我认为，AI时代制约人类和AI交流速度的，是大模型思考、反应的时间，但用过越来越多AI工具之后，我发现，真正的卡点出现在一个很多人意想不到的地方：

手速。

没错，就是你敲键盘的手速。当AI深度思考、给出答案的时间压缩到几十秒、几秒，甚至1秒内，我们人类还在用每分钟不超过100字的速度敲Prompt。换算成AI更熟悉的计算方式，只有3-5字节/秒。

最近与AI对话的时候，我常常有这样的感觉：这手啊，实在是太慢了，敲键盘的速度跟不上我的脑子，非常后悔小学的微机课上，为什么没有认真练习“金山打字通”。

人类慢吞吞的交互速度，刘慈欣在科幻作品《乡村教师》中借外星人之口进行过吐槽，“一种没有记忆遗传，相互间用声波进行信息交流，以令人难以置信的每秒1-10比特的速率进行交流的物种，能创造出5B级文明?”

《乡村教师》写作于互联网还不普及的上世纪90年代，那时候还没有那么多人机输入的需求。到了AI时代，应该有AI时代的输入速度。

在硅谷，已经有创业团队推出了专治手慢的产品“Typeless”，不止是语音转文字，其核心卖点是边录音、边整理、边润色，实现字面意义上的“出口成章”。

“叭哥说”海报 刺猬公社拍摄

最近，我在网易有道AI开放日上，发现了同样定位的产品：叭哥说。在最核心的输入速度上，网易给出的数据是传统键盘输入方式的近5倍，而且相比Typeless的20刀月费，叭哥说免费，终身免费。

天底下真有这种免费又好用的好事儿吗？

图源：某输入法字数统计

先说速度和准确性。根据我最常用的键盘输入法的统计，我最快的输入速度是每分钟101个字。为了测试，我专门找了一个计时器，看看一分钟内口述的文字能有多少被叭哥说记录下来。

测试的结果是300字上下。虽然达不到我最高键盘输入速度的5倍，基本能达到我常规敲字60字/分的五倍。

“叭哥说”记录效果

在准确率方面，叭哥说对一些专有名词，以及中英混杂场景下英文单词的识别不够准确，整体看还是能完整记录我的碎碎念，同时帮我去掉语气词、停顿和口癖，根据整体语意调整语序，整理成比较流畅的表达，并完整表达我的意思。

后来我才注意到叭哥说可以设置专属词库，行业专业术语、产品名等一次识别成功之后，就不用再反复纠正了。搭建专属词库后重新测试发现，入库词汇的识别率有所提升。

反应速度上，叭哥说从语音到文字不是无缝的，作为一个AI Agent，也需要“思考”的过程，每次大约1秒钟。

按下笔记本的Fn键，直接说

在我看来，语音输入方式最大的优点并不在于它的速度，而在于让用户更加专注于思考本身，直接用语言把自己的所思所想尽可能多地说出来，不要把注意力分散在敲键盘上，不必关注某个字有没有敲对，让思考的过程更加连贯，思维更加沉浸，甚至更容易进入心流状态。

更快速的输入，也意味着用户可以同等时间内与AI完成更多互动。我发现很多时候，影响人和AI交流的并不是AI的反应速度，而是人向AI输入信息的速率太低、丢包率太高——比如敲错字了，让AI误解了人的意思。

我们文字工作者还好，需要Vibe Coding的用户，对于输入的速度和准确性有更高的要求，因为他们的Prompt往往比文字工作者需要更高的精度。

叭哥说这类产品的出现，可以大大提升人和AI沟通的速度。人的口述虽然也慢，但总好过敲键盘的速度。

叭哥说的另一个卖点，是它支持用微弱的声音进行输入，嘈杂环境里小声说话也能被识别。

在办公室里体验了叭哥说之后，我觉得低音输入确实很有必要。

试想一下，如果一边对着电脑，一边以旁人都能听到的声音念念有词，打扰其他同事办公不说，这个画面还有一种淡淡的疯感，不知情的还以为这个人上班上魔怔了，对着电脑长时间自言自语。

叭哥说的低音输入功能，不需要借助额外的收音设备，在笔记本电脑上按住Fn键就可以开启录音。

但是为了让自己在办公室看起来不那么显眼包，我总是下意识地压低说话的声音。同时，为了让叭哥说只听我一个人的发音，不把办公室同事说话的声音也录进去，我还是买了一个耳机。

有道确实有自己的AI耳机 “Open Pods”

相比直接使用笔记本自带的收音设备，耳机识别准确率更高，而且排除了环境人声的干扰。

网易有道对叭哥说的定位是一个Agent，除了能识别中文语句，还支持100多种语言的实时翻译。对于经营词典、翻译等业务多年的网易有道来说，语音识别和翻译技术正好是其长板。

体验过语音输入的高速和便捷之后，与AI的交互速度快了好几倍，在和AI对话时，再也回不到过去的键盘手敲状态了。想要在电脑上输入什么，会开始下意识地按下Fn键，对着屏幕说话，看着文本一句句地被叭哥说整理出来。

但我不建议把它当做录音转文字工具来使用，它更适合一分钟以内语音的文字整理。如果要实时转录文字，飞书会议、讯飞听见等产品会是更好的选择。

在隐私方面，叭哥说采取加密传输的方式，云端不保留任何语音和文本数据，输入历史仅保留在本地。这也让它在安全性上更像一个语音键盘。

和叭哥说的开发人员交流时，我问了一个问题：用户可以直接和豆包、Deepseek们发语音，也可以用飞书会议等实时转录，为什么还要做一个“语音键盘”？

开发者们告诉我，一方面是减少AI大模型的用量，把更多算力用来解决用户问题，而不是用在比较简单的语音转文字上；另外叭哥说并不只有作为人和大模型交互的桥梁这个单一场景，还想成为人在交流创作时默默记录、整理内容的小助理，帮助用户把口头表达转化成书面表达，随时随地捕捉用户的灵感碎片。

后者才是AI时代带来的便利，也是网易有道真正想占据的AI时代新入口。

当前，国内的语音输入产品除了叭哥说，还有腾讯的Chatterfly、来自独立开发者的“闪电说”等，豆包输入法、千问输入法在核心功能上也和叭哥说有一定重合之处，甚至搜狗等传统输入法产品，也与时俱进推出了语音输入、AI整理的功能，而且几乎个个免费、不限时长。

以前我也用过类似的语音实时转文字产品，最常用的就是飞书会议，钉钉、讯飞也有类似的产品，经常一开就是几个小时。

但那并不是免费的午餐，额度有限，虽然可以在用量范围内总结提要，但不能把前言不搭后语的发言整理成通顺的文字。

做一个以输入法形式呈现的AI Agent，对于互联网大公司来说是低成本、高回报的项目，它的开发体量不大，但可以成为一个越过（包括AI产品在内的）所有App、直接触达用户的入口。

从互联网时代的流量入口，到AI时代的“Prompt预处理入口”，这是输入法类产品一直以来被各大公司争相投入的价值所在。在国内互联网生态下，这个入口本身赚不赚钱倒是次要的，更重要的是为整个AI产品生态引流。

在我看来，讨论谁能凭借自家产品生态赢得更多用户还为时尚早，主流用户还没有建立起语音输入的使用习惯。

网易公司内的叭哥说海报 刺猬公社拍摄

多年键盘输入下来，用户的使用习惯是边打字、边思考，时不时还会整行整段地删掉已经敲出来的文字。

语音输入法则是完全不同的使用逻辑，它对应的是思维速度超过键盘手指打字速度的用户，他们更习惯用语言讲述自己的想法。

这是两个完全不同的人群，或者两个不同的使用场景：需要推敲斟酌的文字，用键盘输入；需要快速记录灵感、进行追问的爆发式输出，随后再进行精细化调整的，适合用叭哥说等等。

使用语音输入也不是没有代价：口述时很难一边说一边复盘逻辑，比如我就只能想到哪里说到哪里；输出的文字风格，既不是口头语，也不是书面语，如果要用在正式的文档中，还要经历手工调整。

除了使用习惯，用户更要克服一定的心理障碍。在开放式办公环境中，我在使用叭哥说这类语音输入工具之前，需要经历一段时间的心理建设，说服自己接受当着同事们的面，旁若无人地口述工作内容的尴尬。

有团队在开发Vibe coding 配套吸音口罩

当时我就想，如果是在到处都是陌生人的咖啡厅，没人认识我，我也处于“隐身”状态，那时我一定非常乐意使用语音Agent作为输入法，即使说话磕磕巴巴、零零碎碎，也不会有任何尴尬。

在办公室里当着熟人同事甚至老板的面，这样的碎碎念就让人有些不好意思，我在语音输入时甚至忍不住笑场了好几次，小声念叨的“偷感”也成了很多同事关注的笑点。

所以，我依然不会停止使用传统键盘，它慢，但是不可替代。即使在AI时代对输入速度需求激增的当下，对于叭哥说等语音输入Agent来说，找到真正适用语音输入场景的用户，找到那些不在乎外界眼光，找到思维速度远快于打字速度的人，是一个比瓜分市场更重要也更困难的课题。

至少在现在，找到这样的人还不算容易。

例如我依照自己总结的用户画像，把这个产品介绍给了一位产品经理，她大笑着说用不了一点。“难道要把跟隔壁部门扯皮的mean言mean语小作文，都当着同事面讲一遍吗？”