AI语音输入用了一年：它改变了什么，又毁掉了什么

一年前开始用语音输入写作，现在日均使用两个小时以上，累计输入估计超过 80 万字。这篇不是测评，是复盘：哪些预期实现了，哪些没有。

一、改变一：初稿速度提升 3 倍，但初稿质量下降

说话的速度大约是打字的 3–4 倍，这一点没有悬念。同样一篇 800 字的文章，打字要 40 分钟，说只要 12 分钟。

但语音输出的初稿逻辑更散。说话时人的思维方式是「边想边说」，句子会重复、会绕、会突然跳到下一个点。所以速度的提升有相当一部分被后期整理吃掉了。

净收益估算：写作总时间大约减少 35–40%，不是 70%。这个数字依然很划算，但要调整预期，别以为能把写作时间砍到零。

二、改变二：口头语变成了写作资产

用了一年最大的意外收获是：我能「听见」自己的文字了。

语音输入会如实记录你的口头习惯——「其实」「说白了」「这事儿的关键是」。这些词在书面表达里，恰恰是最接近自然语言的部分。有意识地保留一部分，文字会明显更顺。

这比任何「让 AI 去 AI 味」的技巧都更根本：直接从源头上用口语生成，再收拢成书面语。

三、改变三：思考方式向前移动

打字时，思考发生在键盘上；说话时，思考发生在嘴边。区别在于——说话时不能长时间停顿，你必须一直有输出，这反而会逼出一些平时想不到的连接。

我现在的习惯是：遇到写不下去的部分，不看屏幕，直接说三分钟，说完再看文字。几乎每次都能找到突破口。

四、副作用一：专有名词识别是长期痛点

日常词汇识别率已经很高（估计 97% 以上），但以下三类仍然经常出错：

• 人名与品牌名：特别是新出现的产品名；
• 中英混说：说「用 MCP 协议」时，「MCP」有概率变成各种奇怪组合；
• 同音专业词：「向量」与「销量」、「召回」与「招回」。

应对方法：建立个人替换词典（大多数输入法支持），以及念的时候刻意放慢。这两招能把错误率降一半，但没法降到零。所以校对环节不能省。

五、副作用二：在公共场合变得不敢说话

语音输入需要出声。这意味着开放办公室里它基本不可用，通勤地铁上也只能小声念。真实使用场景其实被压缩到了三块：家里、车里、独立办公室。

有团队为了这个专门设了「语音区」，但这属于少数。如果你的工作环境是开放的，语音输入的可用时间可能每天不超过一小时。

六、什么场景我故意不用它

• 写代码：符号、缩进、命名，语音效率远低于键盘；
• 表格式内容：列表、对比表，说出来结构会乱；
• 需要精确引用的文本：合同条款、法规原文，错一个字代价太大；
• 修改已有文字：整段重说比局部改更慢。

语音输入最适合的是从零开始的连续叙述：邮件、文档初稿、会议纪要、文章正文。

七、给想开始的人的建议

1. 先不要订阅付费版，用系统自带或输入法自带的语音功能跑两周，看是否真的融入工作流；
2. 准备一个安静的环境和一支像样的麦克风，音质对识别率的影响比模型版本更大；
3. 建立自己的替换词典，这是长期收益最高的一件事；
4. 接受「说-改」两段式流程，不要指望一次说完就成稿；
5. 校对时默读出声，比默读更容易发现语音造成的错字。

结论

语音输入不是一个「更快打字」的工具，而是一种不同的写作方式。它把思考从屏幕上移到了嘴边，代价是初稿更松、校对更累、场合更受限。把它当成初稿机器而不是终稿工具，收益会稳定很多。