语音，是一个「甲之蜜糖，乙之砒霜」的媒介。被微信 60 秒语音轰炸过的朋友，最懂个中滋味。
你说语音输出快，我嫌听起来不方便。你觉得语音更有感情，我认为文字更一目了然。立场相对，对语音的态度也就不同。
好在，已经重塑了很多产品的 AI，终于也在语音工具上雕花了。或许会让你觉得，语音也没那么讨厌。
APPSO 选取了几款语音转文字的工具，根据 4 个不同的场景，分享具体的使用体验，不存在纯粹的推荐，过程中有种草也有踩雷。
除了处理他人的语音，我们也可以用这些工具，记录脑洞，提高效率，甚至在以前意想不到的场景，打开新世界的大门。
如果你觉得有什么好用的产品，也欢迎在评论区分享！
捕捉脑洞的灵感搭子
——闪念贝壳、Voicenotes
接收语音固然让人暴躁，输出语音却比打字来得迅速。也就是说，捕捉一闪而过的脑洞，语音是一种时间成本较低的方式。
但这里存在一个问题，语音记录的信息粗糙、不直观、不方便检索，说完之后，我们还要再进行整理。
app「闪念贝壳」（目前只有 iOS 版），考虑到了存在已久的痛点。
▲ 设计特别，开屏致敬了《星球大战》的千年隼号你不用担心停顿、口语化或者逻辑混乱，直接开口说你的想法，AI 可以帮你自动整理内容，并添加标签，方便管理和查找。
生成文字之后，你还能通过预置的提示词，将内容一键改写成代办事项、小红书文案等各种风格，或者再和 AI 聊聊，完善你的想法。
我口述了编辑的工作日常，要求整理成待办事项，说话的时候是想到哪就说到哪，但 AI 能够按时间线整理。
当我以更随意的状态，输出一些小说、电影的评价，对比了录音可以发现，AI 帮我省去了一些「哎」「嗯」之类的语气词，无意义的「然后」也会被消除，说错的一个词重新说一遍之后，会保留下来正确的版本。
AI 干完了整理的活，然后我们就可以和它再聊聊，读后感最适合和什么都懂一点的 AI 交流。
不过，AI 转录后的文案可能出现错误，可以让 AI 重新整理，或者点击页面之后人工微调。
基础功能也没被忽略，闪念贝壳同时保留录音和文字，并可以导出录音，我们纠错也就更加方便。
有些遗憾的是，免费用户体验的「点数」有限，且录音无法超过 1 分钟，付费（19 元每月、149 元每年、198 元终身），才能不限制录音时间，继续使用 AI 功能。
海外的语音笔记应用 Voicenotes，和闪念贝壳的定位和功能比较像：保留录音、添加标签、人工改正转录错误、AI 改写文风、与 AI 交流想法，但界面设计更加极简。
▲「独家富人大象馆」，实为「杜莎夫人蜡像馆」Voicenotes 国内可用，app 语言为英文，支持在设置里将我们的输入和转写语言改成简体中文。
同样，Voicenotes 需要订阅（68 元每月或者 328 元终身），才能实现 1 分钟以上的录音，用上 GPT-4o、Claude Opus 等更好的大模型。
用一句话吩咐的生活秘书
——Miley
脑洞、工作事项之外，我们的生活里还存在更日常、更轻量、一句话就能说完的场景，这时候可以试试 Miley AI，一款主打「记录+智能体」的个人记忆 AI，目前只有 iOS 版。
它很适合用来在不方便打字的路上随手一记，吃了什么，花了多少钱，有什么突然的灵感，或者接下来要做某件事情，让人类 NPC 的一天井井有条。
最有意思的地方在于，Miley 可以根据你输入的内容，智能分析各种类型的事项。
你提到开心的事情，AI 可以识别出你的情绪，并用对应的表情标记。你说午餐花了多少钱，AI 会帮你记账。你怕错过点外卖的时间，AI 可以设置横幅提醒。
甚至你想设立一个每日运动的小目标，也可以通过授权苹果健康数据，监督每天有没有完成。比如，告诉 AI 每天都要散步 2000 步，周末 citywalk 实现 17800 步，这一项便可以打上勾。
水灵灵地随口一说，我们就有了记账本、运动打卡、提醒事项……
AI 的好处便在这里，碎片化的内容，整理起来不像以前那么花时间了，甚至像我这样不喜欢做计划的懒人也愿意试试，如此日积月累，形成微型日记，内心还会产生成就感。
不过对于免费用户来说，语音识别和智能体分析额度有限，尤其智能体分析，很容易触顶，这时候就需要「钞能力」，每月 28 元或者每年 188 元订阅。
▲「选题会」这个词，AI 识别有错有对更影响使用体验的是，语音识别的准确性不够高，虽然支持修改，但会影响我们使用的初衷——AI 应该省事，而非多事。
改变输出习惯的创作工具
——墨问便签
说到创作，我们的脑海中会浮现这样的场景：正襟危坐在电脑前，在键盘上敲敲打打，眼睛快粘在屏幕上……
更随意、更生活化的语音，是否能被用于更长篇幅的创作？如果你想知道自己能不能出口成章，墨问便签是个不错的开始。
墨问便签是一款微信小程序，它的 AI 语音功能，单条最长支持录制 10 分钟，目前免费。
▲ 长按底部「+」号召唤出语音功能其中一个设计很有意思，墨问便签支持实时输出，你边说边能看到转录的文字，而不是只能看到录音时间。
但这个功能也可能是打扰我们输出的干扰项，虽然会不断地自我修正，但转录文字的准确性还有待提高。
输出完毕，按下停止键，AI 会对文字润色一番，包括分段、修改错别字、去掉因为嘴瓢重复的词等等，但 AI 也不能修改所有的错误，之后我们还可以进行手动修改。
最终，我们就整理好了一条保留语音的笔记，可以仅自己可见，也可以公开。
墨问便签将自己定位为「创作者工具」，打开小程序，先显现出来的是它的 slogan：记录即创作。
平时看着电脑屏幕发呆还不觉得有什么，但对着手机讲满 10 分钟，还是挺有挑战性的，不仅口干舌燥，还有搜索枯肠、无话可说的无力感。
提供轻量化体验的小程序，或许真能让思考成为一种习惯。
重度语音处理的效率助手
——飞书妙记、讯飞听见、通义听悟
以上的语音场景，大多数不是硬性需求，可以抱着玩的心态上手体验。
平时工作遇到必须要用语音的时候，飞书妙记是我的首选。无他，习惯了，「先进团队，先用飞书」，企业账号真香。
几十分钟甚至几个小时的线下发布会、采访，我都是掏出手机，用飞书 app 里的「飞书妙记」录音，然后在飞书网页端处理音频，导出带有时间戳的文字记录。
这样一来，哪里的文字记录可能有问题，就可以精准定位到音频的对应位置，自己边听边修正。
飞书妙记也支持上传本地的音视频文件，如果网不好，可以用手机自带的录音工具记录，再交给飞书妙记处理。越基础的需求，越解决得好，使用体验就越丝滑。
飞书之前，我常用的是讯飞听见，飞书有的导入音频、区分说话人、倍速播放、搜索关键词等功能，它也有。
不过，讯飞听见虽然录音免费，但核心服务收费：将音频转成文字导出，需要购买录音转写包（连续包月 18 元）或者畅享包（连续包月 79 元）。
讯飞听见现在还有 AI 的加成，支持章节速览和问一问。我让聊天机器人「小谛」总结关于「冥想」的 40 分钟采访，重点抓得挺有条理，对于写文章有些帮助。但 AI 功能也并非免费，包含在录音转写包和畅享包里。
如果说飞书妙记用于线下、基于手机，那么通义听悟就补全了线上的场景。
通义听悟有网页、浏览器插件、微信小程序，更加「即用即走」，每天登录自动领取 10 小时的转写时长，基本相当于免费使用。
通义听悟也支持本地音视频的转文字，可以区分发言人、提供翻译，但我用得更多的，是实时语音转文字的功能。
在网页端，将标签页分享给通义听悟，我们开会、看视频、追发布会，就能拥有一个实时记录、提供字幕的搭子。
如果涉及外语，通义听悟还支持实时双语字幕，先选择音视频语言，再选择翻译语言，然后开启实时记录即可。
▲ 上为通义听悟，下为基于 CC 字幕的双语翻译但通义听悟的翻译速度有延迟，翻译结果也会根据原文的变化而变动，这很正常，英语句子较长、定语较多，一句话说完才能知道意思，哪怕有字幕，有时候仍然一头雾水。
▲ 通义听悟实时调整翻译结果所以在我的实际体验中，对于实时字幕，通义听悟在中文发布会的表现比英文发布会要好，像雷军这样略微不标准的普通话，很适合交给通义听悟处理。
结束共享之后，通义听悟可以提供转写原文，并智能总结内容和提取重点，很适合作为写稿材料。
讯飞听见有「小谛」，通义听悟也有「小悟」，你可以基于文字记录，向它提出相关的问题，点击回答中的时间戳，还可以定位到原文内容。
但还是会出现语音识别的老问题：说不对名字。Kimi 变成了「km」，秘塔变成了「蜜塔」，靠用户自己分辨和修正。
语音转文字，等待 AI 重做一遍
语音转文字，某种程度上是一项刚需。
聊天消息的转写，采访、会议、发布会的跟进，脑洞、生活碎片的记录，我们都可以用到它。
本质上，这些更强调 AI 存在感的新兴语音转文字产品，其实都在主打更智能、深入的内容处理，包括文字转写润色、按标签和类型整理内容、通过对话的方式查找和拓展内容等。
与此同时，仍有很多不尽如人意的地方。
语音转文字的准确率仍然需要提高，保留录音和支持手动编辑又勉强弥补了这个问题。功能有创意，但不够完善，甚至成为阻碍记录的干扰项。收费门槛很低，少量尝鲜后就需要订阅了，但这也不能怪开发者，谁都想站着赚钱。
独立开发者们在语音转文字的赛道竞争，前景如何也并不明朗。
锤子手机 2017 年推出的闪念胶囊，是很多人心中的「白月光」。
长按 Home 键，或者耳机线控的中间按键，就能开始语音输入，记录你一闪而过的想法，文字和录音都会保存下来，你还能再编辑文本。
记录下的「胶囊」，可以拖拽到便签、插入微信输入框、变成待办事项……
这样基于系统的功能，唤起和使用步骤更少，也更符合我们的直觉，不把记录搞复杂化，才能真正地提高效率。
所以，虽然现在产品井喷，未来可能还是由操作系统厂商一锤定音，出现 Apple Intelligence 这样的、系统级的收编和降维打击。
之前看到一句调侃，国内的主流操作系统不是 iOS 也不是 Android，而是微信。
这话有些道理，像我一位做播客的同事，习惯在路上记录灵感，试过很多语音转文字的工具，最终大道至简，给文件传输助手发语音，再转文字。
高端的食材，往往只需要最简单的烹饪方式。想法本身的奔涌最为可贵，有些时候，不需要什么辅助的 AI 功能，我们只是想要快速把事情记录下来，能够一键完成终极目标的、最习以为常的方式，往往才是效率最高的手段。
相关文章
