怎么用语音写周报和长文

更新于 2026-11-07 · 返回博客

为什么长文比短消息难

语音输入速度快的数据，大多来自短内容。听笔 14,810 次口述里，超过一分钟的只有 200 次，占 1.4%，而且说满 30 秒之后，速度从 240 多字/分钟掉到 205–221。大多数人平时根本不用语音写长内容。

难点不在嘴上，在脑子里。斯坦福的语音输入实验特意选了抄写任务，因为作者认为写作会混入思考时间，会降低两种输入方式的速度，语音和打字受影响的程度也未必一样。论文还提到，有观点认为用键盘写作比用语音写作对思路的干扰更小。

2008 年的一项研究给出了一个具体例子：一位写作课老师交替用打字和口述给学生写了 58 条评语。平均速度几乎一样，口述 27.0 词/分钟，打字 26.4 词/分钟，但他最快的几次口述超过 55 词/分钟，打字最快约 40 词/分钟。研究的结论是，能流畅说出来的内容，语音确实快；要反复修改的内容，语音反而慢。他还觉得口述的评语不够精确。值得注意的是，学生的评价和内容分析都显示两种评语差别不大，也就是说作者自己的感受未必等于读者的感受。

这项研究用的是近 20 年前的软件，这位老师还要边说边盯着修正错误，今天的工具要好得多。但结论很有用：语音擅长输出已经想好的内容，不擅长一边想一边改。所以长文的方法就是把“想”和“说”分开。

先算一笔账

写之前估一下要说多久：

221 字/分钟是我们统计里 1 分钟以上口述的平均速度，已经包含停顿。一篇 800 字的周报大约要说 3.6 分钟。但要注意，这是识别原文的字数，AI 整理会删掉一部分，长段落删得更多，所以想要 800 字成稿，实际可能要说到 1,000 字左右。

听笔单次录音最长 110 秒，按这个速度大约 400 字，到时间会自动结束并开始处理。Windows 和 Mac 相同。如果你用的是没有时长限制的工具，比如 Mac 系统听写，也仍然建议分段，原因下面会讲。

五步写法

第一步：列提纲，3 到 5 分钟

用键盘或者纸笔列出要讲的几件事，每件事写一个短语就够了。提纲要写下来，不要放在脑子里。说的时候眼睛看着提纲，比凭空组织要顺畅得多。这一步不能省，它是为了把思考的部分提前做完。

第二步：一段一段说，每段一个意思

对着提纲的一条，想好再按键，说完松开。一段控制在 30 到 80 秒，大约 100 到 300 字。如果说到一半卡住了，不用硬撑，先结束这一段，想好了再说下一段。

第三步：说的时候不看屏幕

一边说一边盯着文字改，是最影响思路的。上面那项研究里，老师就因为盯着错误，漏掉了一些本来想写的内容。一段说完之前别管错字，出错了直接改口，比如“周三，不对，周四”，整理时一般能处理。

第四步：用键盘改

全部说完后再回头改。小改动用键盘最快。研究者 Honeycutt 的观点被那篇论文引用过：用语音移动段落和词句非常慢，键盘编辑就是更快更容易。段落顺序要调，用鼠标拖；整段要换说法，可以选中文字用 AI 改写，这时语音才再次派上用场。

第五步：通读校对

对照提纲从头读一遍。具体盯什么，后面有清单。

周报模板：照着说就行

周报结构固定，最适合语音。下面是一个提纲模板，括号里是可以照着说的开头：

“第一件”“第二件”这样的说法很有用，整理时更容易分出层次。说完之后如果还想要表格或者要点格式，可以让 AI 重新排版，见 AI 协作。邮件也是类似的做法，见用语音写邮件。

更长的文章也一样，提纲要细到段落：每一段写下这段要说的一句话结论，然后说这一段。论文和报告还要留意引用和术语，见用语音写论文。

实测：一次说完和分段说，哪个准

很多人以为说长了识别会变差，所以我们测了一下。2026 年 11 月 7 日，我们写了一份 456 字的周报（加标点），用 macOS 合成语音 Tingting 朗读，分别做两种处理：完整一段 103 秒，以及按段落切成六段。全部送进听笔线上使用的语音识别，不开个人词典，不经过 AI 整理。

两种方式错的是同样的两处：“写得”写成“写的”，“用得”写成“用的”。其他文字完全一样，标点略有不同。也就是说，在这个测试里，长度对准确率没有影响。内容是按上面的模板写的一份周报，含数字和普通工作词汇，没有英文。

那为什么还要分段？第一，分段后每段的等待时间短，一两秒就能看到结果。一次说完要等 9 秒多识别，后面还有 AI 整理。第二，出了问题只用重说一小段。第三，也是最重要的，真人说长段时会边想边说，合成语音不会。这个实验里的 456 字是一字不差地朗读，真人说 100 秒很难这么整齐。

说得越长，整理改得越多

下面是一位用户 1,729 次真实口述的统计，看不同长度的内容经过 AI 整理后变成什么样：

这个规律有两面。好的一面是，长段落里的重复和口头禅确实多，整理省了不少事。需要留神的一面是，一段 300 字的话，整理后可能只剩不到 200 字，你说过的某句话可能被合并或删掉了。把口语转成书面语时保持原有内容，是这类技术的核心难点。写长文时，不要默认它一字不漏地保留了你的意思。

校对时盯什么

医疗文档的研究对这件事看得最细。2018 年的一项研究检查了 144 位医生的 217 份口述病历：语音识别原稿每 100 词有 7.4 处错误，专业人员校对后降到 0.4，医生签字后是 0.3。按类型看，漏词最多，占 34.7%，其次是多词 27.0%，写错词 18.2%。作者的结论是，人工校对不可缺少。

这个结论对普通写作同样有用：漏掉的内容最多，而漏掉的内容最难发现，因为读起来是通顺的。校对时对着提纲看这几项：

1. 提纲上的每一条都在吗？有没有被合并或者删掉。
2. 数字对吗？金额、日期、百分比，逐个和原始数据核对。
3. 人名和术语写对了吗？容易错的加进个人词典，下次就不用改了。
4. 语气合适吗？整理后的文字可能比你平时更正式，或者更口语。
5. 有没有你没说过的话？重要文件要确认没有多出来的内容。

别忘了嗓子

长时间说话对嗓子也是负担。2007 年的一项研究让 25 人用语音识别软件连续口述 2 小时，发现音高普遍升高，研究者认为这是嗓音疲劳早期的代偿表现。这项研究用的是当年的软件，人们说话会比较刻意，但提醒是一样的：不要连续说太久，中间喝水休息。把长文分成几次写，比一次说完舒服很多。

听笔在这件事上的局限

• 单次录音最长 110 秒，写长文必须分段，到时间会自动结束。
• 整理是一段一段做的，不了解整篇文章的结构，前后用词不一定统一，需要你通读时调整。
• 长段落的等待时间更长。
• 如果你要的是忠实记录，比如访谈整理，应该关闭 AI 清洗，或者用别的方式。

这组数据的局限

• 456 字的实验只有一篇文章，用合成语音朗读，内容是我们写的，不含英文和人名，也没有真人说话时的停顿和改口。
• 1,729 次口述来自一位用户，200 字以上只有 17 次，比例会有波动。
• 引用的研究多来自医疗和教学场景，软件也较旧，只能作参考。
• “说 1,000 字得 800 字”是按统计比例的粗略估计，实际取决于你说得多整齐。

常见问题

参考资料

1. Batt T, Wilson S. A Study of Voice-Recognition Software as a Tool for Teacher Response. Computers and Composition, 2008, 25: 165–181. 查看原文
2. Ruan S, Wobbrock J O, Liou K, Ng A, Landay J A. Comparing Speech and Keyboard Text Entry for Short Messages in Two Languages on Touchscreen Phones. IMWUT, 2017, 1(4): 159. 查看原文
3. Zhou L, et al. Analysis of Errors in Dictated Clinical Documents Assisted by Speech Recognition Software and Professional Transcriptionists. JAMA Network Open, 2018, 1(3): e180530. 查看原文
4. de Bruijn C, Whiteside S. Voice fatigue and use of speech recognition: A study of voice quality ratings. Interspeech 2007. 查看原文
5. Liu J, et al. Recording for Eyes, Not Echoing to Ears: Contextualized Spoken-to-Written Conversion of ASR Transcripts. arXiv:2408.09688, 2024. 查看原文

相关页面

• 语音输入比打字快吗
• AI 语音输入和传统听写有什么区别
• 语音写邮件
• 用语音写论文
• Windows 语音转文字软件
• 系统自带语音输入怎么打开