在和 Codex 这类 Agent 协作时，我越来越频繁地遇到一个问题：打字跟不上我的脑子，限制了我的思路。
一段想法在脑子里连着出现，落到键盘上时，却要先拆句、补背景、理顺顺序。对人来说有些啰嗦的口头表达，对 Agent 来说反而常常是最有价值的上下文。
于是，我们做了 Vokie。它不只是一个把声音变成文字的转写框，而是一套围绕语音展开的工作流：输入、整理、记录、翻译，以及在需要时重新调用过去说过的话。
为什么是语音
说话是人最早掌握、也最自然的表达方式之一。键盘当然是一项伟大的发明，它精确、安静，适合修改和确认；语音则更适合承接尚未完全成形的想法，让思考先流动起来。
所以我们并不认为语音会替代键盘。更合理的关系是：语音负责展开，键盘负责收敛；语音交付上下文，键盘完成精确编辑。
LLM 让这件事出现了新的可能。过去，转写工具追求的是“听清每个字”；现在，我们还可以进一步理解一句话真正想表达什么。Vokie 想做的，就是缩短从“我脑子里有个想法”到“这段内容已经可以使用”之间的距离。
从一段口语，到可以直接使用的文字
接住口语里的自我修正。真实说话不会像书面稿一样整齐，我们会重复、停顿，也会说“周五，不对，改到下周一”。Vokie 会尽量保留真正的意图，再整理掉不影响语义的口语噪音，而不是机械地逐字记录。
记住你的专有词。产品名、人名、行业术语，是通用识别最容易出错的地方。Vokie 会自动识别并学习热词；你修正过一次，下次就应该更准确，也可以提前配置常用语。
让同一句话适应不同场景。给 Agent 补充上下文、写一段产品反馈、整理灵感，想要的文本结构并不相同。为此我们做了“表达场”，让用户决定内容如何被整理，而不是被一种固定的润色风格接管。
让语音成为可以复用的上下文
语音不应该说完即丢。很多重要信息原本就存在于对话里：一次临时讨论、一段走路时冒出的灵感，或一场没有发生在固定会议客户端里的交流。
因此，除了语音输入，我们也把记录和实时翻译放进了 Vokie。它可以作为一个全局的轻量记录工具，不依赖某个会议客户端；记录完成后，再把内容整理成便于阅读和继续处理的文本。
更进一步，我们希望这些内容不只是静静躺在历史记录里。当你需要回顾、理解或继续追问时，过去的语音应该能重新成为当下的上下文。
语音输入也有自己的边界
我们很清楚，开口本身有环境成本。在安静的办公室、共享空间或通勤途中，语音天然会带来社交压力；需要逐字推敲时，键盘也依然更合适。
所以 Vokie 不会把语音包装成适合所有时刻的唯一答案。我们更关心的是：在适合说话的那一刻，能不能把启动成本降得足够低。我们也在尝试更顺手的触发方式，比如支持连接 Apple TV 遥控器，在 Mac 上把它当作一个随手可按的语音入口。
另一个现实问题，是怎样让用户在第一次使用时就感受到价值。功能列表很容易写长，真正形成习惯却需要时间。公测阶段，我们会继续打磨第一次开口、第一次修正和第一次复用的体验，也希望从真实使用里找到答案。
工具这么多，为什么建议试试 Vokie
现在再做一个语音输入工具，绕不开这个问题。微信输入法、Typeless，以及各种开源项目都在快速进步。如果 Vokie 只是把语音转成文字，再顺手润色一下，那确实没有多少理由让人多装一个应用。
识别率、速度和润色效果当然重要，但这些能力正在很快变成行业的基础配置。有些工具比 Vokie 更轻，有些更开放，也有些本来就装在大家每天使用的应用里。
Vokie 值得试的地方，是它把几件原本散落的事接在了一起：改过的词会被记住，整理方式可以按场景调整；说过的内容会留下来，之后还能继续理解和调用。
如果你只是偶尔用语音回一条短消息，系统自带或微信输入法大概已经够用；如果最在意完全本地、愿意自己配置，开源工具可能更适合。Vokie 更适合那些已经把语音当成工作方式的人：经常给 Agent 讲长上下文，需要随手记录和翻译，也希望过去说过的话以后还能用得上。
这也是我们目前最明确的方向：输入只是起点，后面的整理、记忆和再次使用，才是 Vokie 真正想做的部分。
现在，邀请你来公测
如果你经常需要给 Agent 补充大量上下文，习惯口述长内容、产品反馈或灵感，或者正在找一个轻量的语音记录与翻译工具，欢迎试试 Vokie。
下载体验：https://vokie.com
公测阶段，我们最想听到的不是一句客气的“挺好用”，而是：你原本想用它说什么，在哪一步停了下来，哪种识别或整理方式没有符合预期。具体的建议，往往比抽象的好评更能帮助产品变好。
如果愿意进群交流，可以扫描下面的二维码。我们还准备了一些 Vokie 周边，想把它们送给愿意认真体验、认真反馈的早期用户。
