希望通过 语音输入 提高输入效率，甚至代替手工输入，并不是什么新鲜事。

很久以前，IBM 就推出了一款 软件工具 「ViaVoice」 ，希望能够帮助电脑用户使用 说出自然语言来代替手工打字。然而，这款软件除了在特定行业以外，并没有大范围流行起来。 

直到近年来，锤子手机的老罗搞出一个叫做「TNT工作站」的产品，再次把语音输入作为一种主流交互方式带到了大家面前。 然而，「TNT工作站」虽然宣传得好，实际上网民的对其的理解是这样的。

TNT语音交互的初衷也许是好的，但是排除技术因素，一个比较显著问题是：

在办公室里，我们没法像个傻X一样，对着电脑大喊大叫。这样做不仅会影响到周围同事工作，而且语音识别也会被周围同事的谈话或办公室背景噪音所影响。

所以，这次趁着大家都在家「远程办公」的时候，我们也在相对安静，相对隔绝的家庭环境下，测试了一下电脑上的「语音输入」。

现在，让我们看看，使用语音输入到底能不能带来文字输入上的效率提高？

 准备工作

除了一台 Windows（或Mac） 电脑，我们还需要准备：

* 讯飞语音输入法 软件（支持Windows/Mac）

* （最好外置的）麦克风

* 一个安静封闭的室内环境

火箭君原本想使用 Windows 内置的语音识别，但是其识别效果很差，而且会提示要求我们训练语音输入，非常麻烦，感觉像是上个世纪的科技水平，因此我们不推荐。 

Windows下的「语音识别」设置非常复杂

另外，虽然很多笔记本都携带内置麦克风，这种设备用于视频聊天也许还不错，但是用于语音输入的话，效果会大打折扣因此我们还是建议条件许可的朋友，尽量使用外置麦克风，无论是那种廉价的有线「小蜜蜂」，无线的蓝牙耳机，还是网红主播使用的专业麦克风，它们的效果都远远好于电脑内置的麦克风。

关于「环境」 ，除了尽可能的安静，还要保证一些数字设备处于静音状态，不要发出提示音。有时说了一句长话，却被一个短信提示声音打断，实在是一件非常懊恼的事情。

习惯配置

「讯飞语音输入」安装后允许我们根据自身偏好进行一些设置，火箭君做出了如下配置。 大家如果有更习惯更喜欢的方式，可以自行调整。

1. 按住说话

「讯飞」有两种「听写模式」可供我们选择。

* 按住说话

* 连续语音

火箭君选择了「按住说话」模式，每说一句，让机器听写一句，同时能立刻看到结果，做出必要的编辑。

而「连续语音」一旦开启，就会一直处于听写状态，也因此会产生很多的误写，或者被噪音打断，这种情况下，对自己的思路和表达有较高的要求。倒是比较适合当时无法立刻修改，需要事后大量编辑的场景

2. 悬浮窗

讯飞可以让我们在桌面上单独显示一个「麦克风」悬浮按钮，这个按钮一旦按下，就进入「按住说话」的听写模式。这样，我们就既能使用键盘快捷键也能使用鼠标按钮，触发语音输入了。

这个悬浮窗还有一个好处，可以让我们在没有切换到讯飞语音输入法时，也能够立刻开始听写。

3.混合其它手动输入法

配合上述的悬浮窗按钮，我们混合使用了一个常用的手工输入法，操作系统自带的「微软拼音」。「微软拼音」下我们有很多自定义的「快捷用语」，我们可以充分利用起来。

结合手工输入自定义短语，效率更高

经过上述的选项组合，我们可以用微软拼音手工输入，想要省力的时候，直接按下快捷键或鼠标按钮，让讯飞语音进行听写，然后用手工输入法进行编辑。

实际效果

在连续几天「远程办公」的实际情况下

1. 简单对话回复场景 

结论：非常适合

在PC上的即时通讯工具上，有时我们懒得打字回复，可以使用语音输入法快速的将一段话变成文字发送出去。这个体验就和微信上的「按住说话」几乎是一样。由于对话内容比较口语化，而且一般不会很长，所以识别率都比较高，一般无需编辑就能发送，效果非常好。

2. 撰写 邮件 / 备忘录 / 小段报告

结论：效率略有提升

撰写邮件时，不可避免的会涉及很多术语，工作专用词汇，这时语音输入法，很容易被打断或者产生识别错误。 如果邮件内容不复杂，更像是简单对话回复的话，语音输入还是很有用，否则的话可能效率没有手工输入高。

例如： 我们需要在邮件中涉及到产品名称/型号，或者涉及到一些复杂的术语。这时，语音输入往往会产生完全无关的识别，如果我们立刻手工修改错误，会造成输入的连贯性被打断，而如果事后修改，有可能会忘记一些内容，因此也不太适合较长或者较严谨的 邮件/报告。

3. 连续码字

结论：需要大规模结合手工输入，效率提升有限

这条就相当于上一条的加强版，长篇输入时，尤其是专业内容输入时，语音识别成功不会太高。如果我们每时每刻要修正输入内容，那必须要结合手工输入法。而这样一来，我们的思路会在「组织语言」和「手动打字」之间跳跃，输入效率可能反而会有所下降。 当然，我们也可以连续听写下一段话，然后事后来修改编辑，这样做对自己的思维和表达都要有非常高的要求，否则听写内容过多后，事后来看，火箭君自己也不知道自己当时在说些什么，也就无从着手编辑。

4. 其它一些问题

 对声音环境要求较高

窗外突发的汽车鸣笛，手机的来电来信提示音都能对听写造成破坏。语音输入，毕竟容错性能还是很有限的，不能苛求。

 中英文混合输入还是比较困难 

目前似乎也很难无缝在中英文之间切换识别，手工输入法有时也不一定能做到，对于语音输入，这个太难了。所以需要我们尽量好好说中文，不要动不动夹杂 「黄焖Jimmy饭」 之类的话语。

输入习惯需要改变

这点可能才是真正的问题，火箭君没有料到，由于长期习惯了手工输入，对语音输入其实还是有种天然的「初期排斥感」。使用多了以后才会慢慢适应，可能有些小伙伴也未必愿意跨过这第一道坎。

 最后

总的来说，在目前的技术水平下，语音输入貌似不是一种理想的手工输入替代办法。「语音输入」在口语化内容输入以及较短的回复上，能够带来比较明显的效率提升。 但是，一旦牵涉到长篇专业的输入时，仍旧有比较明显的「力不从心」感。这也就理解了为什么TNT 之类以「语音」为重要卖点之一的所谓「生产力工具」，短期内难以有市场。

最后，本文就是在语音输入和手工输入的混合模式下写成的。有兴趣的小伙伴，如果发现有更好的「语音输入」场景或效率组合的方式，不妨自己动手试试看，说不定会有惊喜。