什么时候不该用语音输入？

更新于 2026-11-07 · 返回博客

实测：这些内容用嘴说不划算

语音输入的强项是自然语言。那离自然语言越远的内容，表现会怎样？2026 年 11 月 7 日，我们写了 14 条工作中常见的非自然语言内容，把它们的念法写成文字，比如 if user dot age 大于等于 18 冒号，用 macOS 合成语音 Tingting 朗读，送进听笔线上使用的语音识别。对照组是八句普通的话。

“写法不对”指内容听对了，但符号或数字写成了汉字。“听错”指内容本身错了。表中是语音识别的原始输出，没有开个人词典，也没有经过 AI 整理和数字规则。工单号等数字都是随手编的。

问题主要有两类。第一，系统按日常语言理解你的话，听到“冒号”“斜杠”就写成这两个字，因为这也是合理的中文。第二，单独的字母和无意义的字符串没有上下文可依靠，“小写 a”听成了“小写 r”，“id”听成了 “art”，这和单独说一个词容易错是同一个道理。

实际使用时情况会好一些，尤其是数字。我们把上面几条单独过了一遍听笔的数字规则，工单号和六位数字都能变回 7305918426、471906，但编号只变成了 R7K39Q2X，听错的字母改不回来。AI 整理也只是在猜，不要指望它帮你还原一行代码或者一个随机编号。这类内容，打字比说话再校对快得多。

八种该换回键盘的场合

1. 写代码、输入符号和网址

上面的实验已经说明了。例外是写人话的部分：注释、提交说明、技术文档、回复同事，语音都很合适，见程序员怎么用语音输入和语音写代码注释。

2. 逐格填表、在系统里来回跳转

2017 年的一项实验很说明问题。35 位急诊医生在电子病历系统里完成记录任务，用语音比用键鼠平均慢 18.11%（165.46 秒对 140.09 秒），非打字类错误从 32 处增加到 138 处。作者提到，部分错误可能来自语音和系统的衔接不好，换一种接法结果可能不同。但这类工作有个共同点：内容短、位置多、需要反复定位。这时语音省下的打字时间，很容易花在操作和改错上。

3. 密码、证件号和别人的隐私

密码、验证码、身份证号不该说出来，旁边的人能听到，联网工具也会经手。微软的流畅听写在密码这类安全字段上会自动关闭，就是这个道理。各类数据到底存在哪，我们单独写了一篇语音输入安全吗。

4. 周围有人，或者不方便出声

开放办公区、会议中、地铁、别人休息的房间，都不合适。这里要分开看两件事：技术上能不能用，社交上该不该用。技术上比很多人想的要好。我们在八句话上叠加了另一个人的说话声，音量分三档：

中文句子在三档下都没有错，24 次结果里也没有把旁人说的话写进来。出错的全是 Docker、Figma、Notion 这样的英文词，比如“把Figma的链接贴到Notion里”在最吵的一档变成了“把那个链接贴到六十米”。这个实验用的是合成语音和一个合成的背景人声，比真实环境干净，但方向很清楚：如果环境吵，先担心英文词。

技术上行，不代表应该这么做。在别人身边说话会打扰人，说的内容也被人听到。开放办公区里，短句、不敏感的内容可以小声说，其他的还是打字。

5. 高风险的内容，没时间校对时

合同金额、医嘱、法律文书、对外公告，错一个字代价很高。2018 年的研究检查了 217 份口述病历，语音识别原稿每 100 词有 7.4 处错误，约每 250 词有一处可能影响临床的错误，人工校对后才大幅下降。这些内容可以用语音起草，但一定要有人校对。没有校对时间，就用键盘慢慢写。

斯坦福的实验也发现，语音输入完成后残留的错误比键盘多，中文组是 2.06% 对 1.22%。一个可能的原因是：用键盘时每个字都过了一遍手，用语音时你没有逐字确认过，同音错字读起来还很通顺。

6. 需要保留原话的时候

AI 整理会改写措辞。我们统计的 1,729 次口述里，整理后每 100 个字约有 19 个被换成别的写法，见 AI 语音输入和传统听写的区别。如果你要的是访谈原话、证词、引用，或者你在研究语言本身，就不能用它，改用逐字听写，或者在听笔的设置里关闭 AI 清洗。即使是逐字转写，也可能出现音频里没有的内容，有研究发现 Whisper 约 1% 的转写有这个问题，重要的引用要回到录音核对。听笔本身不保存录音，所以需要留档的场合要另外录音。

7. 改一两个字，调整结构

修改是语音最弱的地方。定位到某个字，用手指一点就行，用嘴要描述半天。2008 年的研究记录了一位老师的体验，他发现语音写作在需要修改时特别低效，引用的另一位作者说得更直接：用语音移动段落非常慢，键盘编辑就是更快更容易。所以大段内容用语音，小修改用键盘。整段换说法时，可以选中后用 AI 改写。

8. 还没想清楚的时候

语音输入的速度优势来自“想好了再说”。还在组织思路时，打字的慢反而有用，文字一点点出现，你有时间斟酌。同一篇研究里，这位老师说打字时思路常常走在手前面，他可以利用这段时间想下一句。斯坦福的论文也提到，有观点认为键盘写作对思考的干扰更小。如果你发现自己说一句停三秒，就换回键盘，或者先列提纲，方法见怎么用语音写周报和长文。

还有两种情况要留意

• 嗓子不舒服，或者已经说了很久。一项研究让 25 人连续口述 2 小时，发现了嗓音疲劳的早期迹象。
• 口音较重或者说方言。PNAS 2020 年的研究发现，同样的商用系统对不同人群的错误率差了将近一倍。如果你的工具总听错，不一定是你说得不好，换一个支持方言的工具试试。

一张表判断用什么

语音输入和键盘不是二选一。一天下来，大多数人是一半说一半打：想好的话说出来，零碎的东西打进去。速度上到底差多少，可以看语音输入比打字快吗。

这组实验的局限

• 用的是合成语音，英文和字母的发音不如真人自然，真人念代码的效果可能更好，也可能更差。
• 样本很小：14 条难读内容、八句普通的话、24 个叠加人声的结果，内容都是我们写的。
• 测的是语音识别的原始输出，数字写法等问题在实际使用时会有改善，我们没有单独测试整理之后的结果。
• 人声实验只有一个合成的背景声，0 dB 那档比 5 dB 少错一句，是小样本的正常波动。
• 只测了听笔这一套系统。引用的医疗和写作研究使用的是其他软件，部分年代较早。

常见问题

参考资料

1. Hodgson T, Magrabi F, Coiera E. Efficiency and safety of speech recognition for documentation in the electronic health record. JAMIA, 2017, 24(6): 1127–1133. 查看原文
2. 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
3. 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
4. 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
5. de Bruijn C, Whiteside S. Voice fatigue and use of speech recognition: A study of voice quality ratings. Interspeech 2007. 查看原文
6. Koenecke A, et al. Racial disparities in automated speech recognition. PNAS, 2020, 117(14): 7684–7689. 查看原文
7. Koenecke A, et al. Careless Whisper: Speech-to-Text Hallucination Harms. arXiv:2402.08021, 2024. 查看原文

相关页面

• 语音输入比打字快吗
• 语音输入安全吗
• 程序员语音输入
• 智能整理
• 语音写周报和长文
• Windows 语音转文字软件