Photo by Jason Rosewell on Unsplash

看到这个标题，你可能会有些茫然。这都快 2022 年了，还有人不知道语音输入文字功能吗？

没错，语音输入转文字，确实不是什么新奇的事儿。我在 之前的文章和视频里，也多次给你介绍过一系列的工具。

它们来自于讯飞、腾讯、苹果等平台。可以用超过97%的正确率，帮助你快速把头脑中想到的内容，语音输入轻松弄成文本。

好用不好用？

不能说不好用，否则那些自带语音输入功能的鼠标，不会卖得这么火。

但也不能说足够好用，否则键盘的销量，早就该跌得一塌糊涂了。

实际上，更多人还是倾向于使用键盘来输入。注意我说的，不是后期编辑加工，而是从一开始做记录，就用键盘而非语音。

为什么？

因为目前的语音输入，至少包含了以下 3 个痛点：

首先，我们的书面表达方式，和口语有区别。你可能十分钟说了2000字，但审视文本，发现过于口语化——中间有很多冗余，甚至逻辑关系上也有问题。要弄成可以给对方（尤其是重要客户）看的书面表达形式，需要整上个半小时。与其那样，似乎还不如一上来就码字儿来得直接、方便和快速。

其次，语音识别的准确率，毕竟离100%还差着一点儿。这其实完全可以理解。即便是人听人说话，而且是母语，也难有100%的准确率。指导过学生毕业论文的老师们，或者带过实习生的职场人士，对此应该不乏深刻体会。准确率不到100%，就意味着必须进行审视和检查。当你输入语音时，盯着屏幕上不断出现的错字儿，你说咋办？不管，怕一会儿忘了；管，思路就断了……

第三，你是输入完毕了，可是上下文（语音），就被丢弃了。你可能认为，既然目标是要输入文字，语音丢了就丢了呗。就如同大楼盖好，为啥还要留着脚手架呢？可别忘了，一个最终的长文本，大都不是一天内写好的。最终整理的时候，你会发现识别的结果不像人话，肯定是某些关键词汇识别错误，但是时间久了，你已经想不起来当初说的是啥了。这情何以堪？

因而，受目前技术所限，一种比较好的语音录入流程，应该包含以下几个必要功能的考虑：

首先，存储语音，不要随意丢弃。这样将来发现有识别错误，可以找到原始语音。人工听几秒钟，立刻就能知道最初的准确含义。

其次，输入的时候，不要立即出现转换文字。这对输入者，是一种干扰。考验自己的毅力，不去管识别错误？那是对自己无端的折磨。

第三，转换要准确和方便。既然语音输入和文字转换不要同时做，那最好可以批量转换语音，避免逐一操作的麻烦。

第四，转换后的结果，最好是细粒度对应的。例如说我点选某个词语，就可以立即跳转到对应的语音段落，方便核对。

第五，导出文本要便捷，便于其他编辑应用接续后面的操作。

这样的流程，是不是有呢？

我确实见到过满足部分要求的工具。

例如 flomo 的微信语音输入。

Flomo 是可以从微信直接输入信息的。前些日子，少楠加了个功能，调用微信语音转换 API，你可以直接在微信里滔滔不绝，那边 flomo 里就一条条涌现出来文本了。说的时候，没有任何的干扰，很方便。

但是，这里有个问题，就是语音被锁在了微信里。这样将来万一手机丢失，原始数据就没了。而且语音和识别的文本分别在不同的应用，缺乏足够的对应关系。

况且，地球人都知道，微信语音输入，是有个 1 分钟长度限制的。

这个方法，还是不能完全满足我的需求。

直到最近，看到了赵赛坡先生的 iPad Power User 会员邮件，我惊喜不已。

赵赛坡先生的工作流程，非常简单。

首先，使用苹果自带的语音备忘录（voice memo）进行记录。

这工具的好处很明显，就是系统自带，免费，而且自动同步所有账号下设备。

如此一来，即便是抬起手臂用 Apple Watch ，你也能迅速输入一段语音了。

所有记录，你可以随时导出到本地的存储设备，或者 Devonthink 上。

其次，采用飞书妙记这款工具，做语音的识别。

我之前在视频里，介绍过如何用飞书妙记做组会记录。现在我基本上离不开它了。就连每次线下组会，我都要叫上学生跟我连线，然后选择录制。

后来才发现，这用法过于幼稚。因为飞书妙记其实支持本地单机录音，方便许多。

不仅如此，你还可以通过网页版，直接导入音频做转换和分析。注意这里可以支持多个语音文件批量上传操作。

转换的结果，就跟飞书的会议记录一样全面。有文本、有时间戳，甚至还有关键词的自动提取。

点击文字，可以自动跳转到对应的语音片段。

导出成文档、文本，甚至是字幕（因为也支持视频上传），也很方便。

这是导出纯文本的效果。

你看，咱们记录语音笔记的几个要求，通过这两款工具的结合，全都得到了满足。

这其实，还不是全部。

别忘了飞书是干啥用的，这是一款团队协作工具啊。

只需导出飞书文档，你就可以立即分享给团队成员。工作安排、内容整合…… 都可以大家协同操作。那工作效率比起一个人单独完成，要高得多。

这时候，原始的语音上下文，就显得更加重要。如果机器识别错了，原先团队成员拿着错误的识别文本，恐怕只有挠头的份儿。然后呢，只好再跟你单独沟通、确认，肯定会拖慢进度。现在只需要鼠标点一下，你彼时彼刻说的是啥，基本上就一清二楚了。

你看，随机安装，开机即用的苹果语音备忘录，我原本没有觉得它有任何的神奇之处，甚至一直弃之不用；至于飞书，我一直只是拿它当成团队协同工具，没想过它可以上传语音转换文本，还能深度融入团队协同工作流。

这两款工具结合在一起时，「1+1>2」 的效应发生了。赵赛坡先生这封邮件，不仅解决了我语音输入的痛点，还帮我找到了语音内容用于团队协作的方便路径。真是及时雨啊。

我不愿意每次分别打开两个应用，于是在 iPad 上面弄了个捷径。

只要对 Siri 一喊「秘书」，iPad 给我打开这个分屏。我就可以欢快地批量上传语音了。

看到我有多懒了吧？哈哈。

希望这篇文章，对改进你语音记录的流程，提高效率，能有帮助。

也欢迎你把自己的使用体验和感受分享给我，咱们一起交流讨论。

 

 

延伸阅读

如果你觉得本文有用，请点赞。

如果本文可能对你的朋友有帮助，请转发给他们。

欢迎关注我的专栏「科研利器」，以便及时收到后续的更新内容。