編輯｜楊文

AI 正在悄悄改變?nèi)伺c電腦的交互方式，而下一個(gè)被重塑的，可能就是每天發(fā)生幾百次的「輸入」這個(gè)動(dòng)作。

語(yǔ)音輸入并非新概念。從早期的 Siri、Google Assistant，到近幾年 Whisper、Otter.ai 等工具在海外掀起的語(yǔ)音轉(zhuǎn)文字熱潮，這條賽道已經(jīng)被反復(fù)驗(yàn)證過(guò)需求真實(shí)存在。

但用戶的抱怨也從沒(méi)停過(guò)。識(shí)別出來(lái)全是口語(yǔ)，「嗯、啊、那個(gè)、這個(gè)……」一個(gè)不落，語(yǔ)氣詞、停頓、口誤，說(shuō)完還得自己改一遍，兜了一大圈，效率并沒(méi)提升多少。

而且很多工具和真正的辦公場(chǎng)景脫節(jié)，重活都在電腦上干，語(yǔ)音工具卻在手機(jī)里。

最近，千問(wèn)電腦版上線了全新的語(yǔ)音輸入法，我們只需對(duì)著屏幕開(kāi)口說(shuō)話，它就能自動(dòng)識(shí)別當(dāng)前所在的應(yīng)用和屏幕內(nèi)容，理解我們的表達(dá)意圖，過(guò)濾掉語(yǔ)氣詞和口誤，直接輸出結(jié)構(gòu)化、可用的文字。

這套語(yǔ)音能力還打通了千問(wèn)電腦版本身的生產(chǎn)力工具，語(yǔ)音指令能直接調(diào)起 AI，幫忙回郵件、潤(rùn)色文案、生成 PPT、整理表格等。

交互邏輯也很簡(jiǎn)潔，記住兩個(gè)操作就夠了。在任意界面長(zhǎng)按右 Alt（Mac 用戶長(zhǎng)按右 Command），松開(kāi)后語(yǔ)音自動(dòng)轉(zhuǎn)文字，不需要額外安裝插件，也不需要切換應(yīng)用。

如果想直接下達(dá)指令讓 AI 干活，雙擊同一快捷鍵即可。查資料、回消息、生成文檔、做 PPT，選中內(nèi)容后雙擊，千問(wèn)便能基于當(dāng)前屏幕內(nèi)容直接執(zhí)行任務(wù)。

可以這么說(shuō)，語(yǔ)音輸入在這里不只是一個(gè)替代鍵盤的輸入方式，相反成了觸發(fā)整條工作流的開(kāi)關(guān)。

目前，該功能已上線，我們可以下載千問(wèn)電腦版或訪問(wèn)網(wǎng)頁(yè)版直接體驗(yàn)，功能全免費(fèi)、零門檻。

接下來(lái)我們就奉上一手實(shí)測(cè)，看看能開(kāi)發(fā)出哪些提效玩法。

• 千問(wèn)網(wǎng)頁(yè)版：https://www.qianwen.com/
• 千問(wèn)客戶端：https://www.qianwen.com/download?ch=tongyi_redirect

智能語(yǔ)音輸入：打工人最強(qiáng)「嘴替」

先來(lái)試試智能語(yǔ)音輸入。

我們將輸入光標(biāo)放在釘釘聊天框里，按住右 Alt（Mac 用戶按住右 Command），對(duì)著電腦說(shuō)一段完全口語(yǔ)化的內(nèi)容，不停頓、不整理，就像跟朋友隨口聊天那樣說(shuō)出來(lái)：

「就是啊，這個(gè)項(xiàng)目的話，我覺(jué)得吧，嗯，時(shí)間線要排一下，然后那個(gè)…… 對(duì)，就是周四之前要跟客戶確認(rèn)方案，然后內(nèi)容那邊也要催一催，不然可能來(lái)不及。」

千問(wèn)將所有語(yǔ)氣詞過(guò)濾干凈，原本散亂的三件事，被整理成邏輯清晰的三句話，意思完整保留，但文字已是可以直接發(fā)送的狀態(tài)。

千問(wèn)語(yǔ)音輸入法效果

以前寫 prompt 要斟酌半天，現(xiàn)在可以隨想隨說(shuō)。

比如口語(yǔ)輸入一段復(fù)雜的提示詞：

「我要寫一份千問(wèn)電腦版語(yǔ)音輸入法上線的營(yíng)銷策劃方案，你幫我整理一下。先說(shuō)產(chǎn)品功能和價(jià)值，講它怎么結(jié)合千問(wèn) AI 提高辦公效率和內(nèi)容整理能力。然后分析目標(biāo)用戶和市場(chǎng)定位，比如職場(chǎng)白領(lǐng)、內(nèi)容創(chuàng)作者、學(xué)生，他們的痛點(diǎn)和需求，跟競(jìng)品比有什么優(yōu)勢(shì)。接著幫我設(shè)計(jì)營(yíng)銷策略，包括線上線下推廣、社交媒體、短視頻、KOL 合作之類的。再幫我做個(gè)預(yù)算和 KPI 規(guī)劃，每個(gè)渠道和活動(dòng)的預(yù)算、下載量、轉(zhuǎn)化率、曝光量等。還要分析風(fēng)險(xiǎn)和應(yīng)對(duì)，比如用戶認(rèn)知不足、教育成本高、競(jìng)品影響。最后幫我做深度分析和觀點(diǎn)拔高，講 AI 語(yǔ)音輸入在辦公效率、知識(shí)管理、內(nèi)容創(chuàng)作的趨勢(shì)，國(guó)內(nèi)外輸入法發(fā)展和推廣動(dòng)向，以及對(duì)數(shù)字辦公生態(tài)和用戶習(xí)慣的長(zhǎng)期影響?！?/p>

千問(wèn)能分條縷析地理清需求，自動(dòng)按框架分點(diǎn)輸出，結(jié)構(gòu)一目了然。

千問(wèn)語(yǔ)音輸入法效果

識(shí)別準(zhǔn)確率方面，正常語(yǔ)速下中文識(shí)別幾乎沒(méi)有錯(cuò)別字，中英文混說(shuō)也能無(wú)縫識(shí)別。比如我們語(yǔ)音輸入：

「王姐，問(wèn)你個(gè)事兒?jiǎn)h，明天咱們的會(huì)是幾點(diǎn)呀？我下午有個(gè) Deadline，能不能往后 push 一下？哎呦，樓下新開(kāi)了一家羊湯館，挺好吃的。中午咱一塊去吃飯去？」

千問(wèn)語(yǔ)音輸入法效果

再來(lái)個(gè)包含大量英文技術(shù)術(shù)語(yǔ)的提示詞，原話是：

「對(duì)話歷史太長(zhǎng)導(dǎo)致 Context Window 爆了。我想把 ConversationBufferMemory 換成 ConversationSummaryMemory，請(qǐng)給我一個(gè)用 LLM 自動(dòng) Summarize 歷史消息的代碼示例。」

千問(wèn)識(shí)別結(jié)果依然很準(zhǔn)確，中英文混說(shuō)沒(méi)有出現(xiàn)任何偏差。

千問(wèn)語(yǔ)音輸入法效果

智能語(yǔ)音指令：不用打字，開(kāi)口說(shuō)話就能辦公

雙擊右 Alt（Mac 用戶雙擊右 Command），則進(jìn)入另一種模式 ——AI 語(yǔ)音指令。我們說(shuō)什么，千問(wèn)就能干什么，在任意軟件、桌面任意位置均可喚起千問(wèn)。

比如在郵件頁(yè)面雙擊喚起，直接說(shuō)：

「幫我寫一封郵件，告訴客戶方案延期兩天，周五能交付，態(tài)度誠(chéng)懇一些?！?/p>

千問(wèn)聽(tīng)懂指令后，能感知上下文，識(shí)別收件對(duì)象，并按郵件格式輸出一封帶開(kāi)頭、結(jié)尾的完整郵件，語(yǔ)氣客氣不拖沓。

千問(wèn)語(yǔ)音輸入法效果

如果覺(jué)得過(guò)于正式，再說(shuō)一句「將郵件語(yǔ)氣改得輕松一點(diǎn)」，千問(wèn)直接重新生成，措辭到位無(wú)需手動(dòng)修改。

千問(wèn)語(yǔ)音輸入法效果

而且它還能進(jìn)行場(chǎng)景感知。同樣一句語(yǔ)音指令「幫我回復(fù)下，說(shuō)我可以」，在釘釘聊天框里，它輸出的是：「收到啦！我會(huì)準(zhǔn)時(shí)到達(dá)會(huì)議室噠～不見(jiàn)不散呀！」保留了即時(shí)通訊的口語(yǔ)感，末尾還自然帶上表情。

千問(wèn)語(yǔ)音輸入法效果

切換到郵件界面再說(shuō)同樣的內(nèi)容，話術(shù)則變成「收到，我會(huì)準(zhǔn)時(shí)參加」，語(yǔ)氣直接切換成商務(wù)書面表達(dá)。

千問(wèn)語(yǔ)音輸入法效果

同樣的指令，它可以根據(jù)不同的場(chǎng)景，呈現(xiàn)出截然不同的表達(dá)風(fēng)格。

千問(wèn)智能語(yǔ)音指令還可以用來(lái)記便簽，任何時(shí)候雙擊喚起，原話是：

「我覺(jué)得可以寫一個(gè)趣味選題，吐槽當(dāng)代大學(xué)生寫論文的現(xiàn)狀：很多人先用 AI 生成初稿，再用 AI 擴(kuò)寫潤(rùn)色，最后又用 AI 檢測(cè)重復(fù)率，結(jié)果整篇論文幾乎全程由 AI 操作，自己動(dòng)手的部分越來(lái)越少。幫我記錄這個(gè)靈感，并給幾個(gè)拓展方向，比如學(xué)術(shù)誠(chéng)信：AI 寫作和擴(kuò)寫的濫用是否影響原創(chuàng)性和學(xué)術(shù)道德。技術(shù)怪圈：AI 生成論文再用 AI 檢測(cè)的荒誕邏輯和 “自相矛盾” 的現(xiàn)象。寫作能力退化：過(guò)度依賴 AI 是否導(dǎo)致學(xué)生基本寫作技能下降。教育制度應(yīng)對(duì)：學(xué)校和老師如何應(yīng)對(duì) AI 寫作帶來(lái)的教學(xué)挑戰(zhàn)和評(píng)估問(wèn)題?！?/p>

千問(wèn)電腦版能自動(dòng)識(shí)別、記錄并提供查看入口。

千問(wèn)語(yǔ)音輸入法效果

接下來(lái)我們?cè)僭噹讉€(gè)進(jìn)階場(chǎng)景。

比如語(yǔ)音指令和千問(wèn)內(nèi)置的 PPT 功能聯(lián)動(dòng)。

千問(wèn) PPT 新增專業(yè)模式，由 Qwen 最新 AI 大模型編程能力加持，可動(dòng)態(tài)生成復(fù)雜結(jié)構(gòu)的 PPT 頁(yè)面和內(nèi)容，內(nèi)容有深度，而且排版專業(yè)。

我們?cè)卺斸斃镞x中一段需求，雙擊快捷鍵，開(kāi)口說(shuō)：「幫我把這段需求整理成待辦清單，再做成匯報(bào) PPT?！?/p>

千問(wèn)基于選中的內(nèi)容，自動(dòng)梳理邏輯、提煉要點(diǎn)，生成一份結(jié)構(gòu)完整的 PPT。不需要復(fù)制粘貼、切窗口，更不需要手動(dòng)排版。生成后還支持繼續(xù)修改，直接在原 PPT 上調(diào)整，不用推倒重來(lái)。

千問(wèn)語(yǔ)音輸入法效果

此外，它還支持多文件處理，將幾十份 Word、PDF 文件拖入千問(wèn)，雙擊快捷鍵下達(dá)指令，AI 可以自動(dòng)讀取內(nèi)容、提煉關(guān)鍵信息、生成數(shù)據(jù)可視化圖表，輸出一份可直接上臺(tái)匯報(bào)的材料。支持 39 種文件格式，一次性批量處理。

語(yǔ)音指令搭配 Excel 也是需求極高的場(chǎng)景。

我們依然雙擊快捷鍵下指令，原話是：

「把財(cái)政部 稅務(wù)總局公告 2026 年第 10 號(hào)文件包含的增值稅優(yōu)惠政策具體項(xiàng)目整理成一份 excel 清單，減免方式、政策內(nèi)容、執(zhí)行期限?！?/p>

千問(wèn)自動(dòng)搜集相關(guān)政策，并整理成增值稅優(yōu)惠政策清單 Exccel 文件，全程對(duì)話式操作。

千問(wèn)語(yǔ)音輸入法效果

整個(gè)過(guò)程里，我們只需說(shuō)清楚要什么，執(zhí)行層全部交給千問(wèn)。對(duì)于日常需要維護(hù)各種數(shù)據(jù)表但又不擅長(zhǎng) Excel 的人來(lái)說(shuō)，這種操作方式的門檻幾乎為零。

結(jié)語(yǔ)

支撐這一切的，是千問(wèn)大模型多年沉淀的語(yǔ)音底層能力，包括超億小時(shí)音視頻數(shù)據(jù)訓(xùn)練、端到端的實(shí)時(shí)響應(yīng)。扎實(shí)的技術(shù)底座，本就在等待一個(gè)足夠日常、足夠高頻的落地出口。

真正讓千問(wèn)電腦版語(yǔ)音輸入法值得單獨(dú)說(shuō)一說(shuō)的，是它重新定義了「語(yǔ)音輸入」。普通語(yǔ)音輸入法做的是聽(tīng)寫，我們說(shuō)，它轉(zhuǎn)，轉(zhuǎn)完就結(jié)束了。而千問(wèn)做的是理解，是把聲音到文字的單次轉(zhuǎn)寫，升級(jí)為識(shí)別 — 理解 — 重寫 — 排版的完整智能鏈路。

這條鏈路，是專門為語(yǔ)音輸入打造的 AI 流水線，Qwen 定制 ASR 模式負(fù)責(zé)高精度聽(tīng)懂，Qwen 最新序列的 LLM 負(fù)責(zé)深度理解與表達(dá)重構(gòu)。它同時(shí)在聽(tīng)我們說(shuō)什么、看屏幕上有什么、判斷我們正在用哪個(gè)軟件，再?zèng)Q定輸出什么。它真正解決的，是把口頭想法快速變成一段可以直接使用的高質(zhì)量文本。

它也把使用 AI 的流程壓縮了。長(zhǎng)按說(shuō)話、雙擊下指令，AI 能力直接嵌在我們正在用的軟件里，輸入和執(zhí)行之間沒(méi)有斷點(diǎn)，注意力也不會(huì)因?yàn)榍袚Q窗口而中斷。

這背后，是一個(gè)正在成形的更大趨勢(shì)。蘋果將 Siri 全面升級(jí)為 AI 助手，OpenAI 持續(xù)推進(jìn) ChatGPT 的語(yǔ)音對(duì)話能力，Google 的 Gemini 也在強(qiáng)化多模態(tài)交互…… 語(yǔ)音正在從鍵盤的補(bǔ)充，演變?yōu)?AI 時(shí)代最自然的交互入口，因?yàn)榇竽Ｐ鸵呀?jīng)能真正聽(tīng)懂人話、理解上下文，打字反而成了多余的中間環(huán)節(jié)。

但在電腦端，這個(gè)轉(zhuǎn)變才剛剛開(kāi)始。桌面端的語(yǔ)音輸入長(zhǎng)期停留在轉(zhuǎn)寫工具的層面，沒(méi)有與 AI 能力真正結(jié)合，千問(wèn)電腦版語(yǔ)音輸入法恰好做了一次嘗試。

模型有多聰明，決定的是產(chǎn)品的上限。用戶能用多自然的方式把意圖傳遞給 AI，決定的是產(chǎn)品能否真正進(jìn)入日常。

語(yǔ)音輸入，正在成為 AI 交互的下一個(gè)入口。