语音输入 无需编辑

语音输入的问题从来不是电脑听不见你。它们听得很清楚。问题在于它们会把你说的每一个字原封不动写下来——而人们在实时开口说出来的话，并不像书面文字那样。

你开始说一句话，说到一半又觉得不对，于是重来一遍。你思考的时候会说“呃”。你会自我纠正。逐字转写会忠实保留这一切，然后把一段你现在还得自己编辑的文字交给你。对很多人来说，这种编辑花的时间和打字差不多。

本指南要解决的就是这个差距：它是怎么产生的，什么办法解决不了，以及什么办法真的有用。

为什么逐字转写会制造额外工作

用正常语速大声说这句话：“所以我觉得我们应该——其实，我们能不能把路线图评审推迟到周四，呃？”

逐字转写器会一字不差地写下来。你真正想要的是：“我们能不能把路线图评审推迟到周四？”

每一段口述内容都会带着某种这样的痕迹。人们最先想到的补救办法是更小心地说——更慢、更刻意、不加填充词。它大概能管两分钟，然后你就累了，而且它还会抹掉你开始口述的原因：说话比打字快。

什么办法解决不了

更好的语音识别。 准确率提升只会让转写更忠实于你的说话内容，这反而会让问题稍微更严重，而不是更好。一个完美的转写器会完美保留每一个“呃”。

标点命令。 大声说“逗号”和“新段落”有助于结构，但对填充词和错误开头毫无作用。它还会让说话感觉像在编程。

之后再编辑。 这就是现状，也正是为什么很多人会在一周后悄悄停止使用口述输入。

真正有效的办法：清理层

解决办法是在识别和输出之间加一步。工具先听你说了什么，判断你真正想表达什么，然后给你书面版本。

MirrorCaption Typer 通过三种润色模式来实现这一点，你可以按需选择，因为合适的清理程度并不是每次都一样：

• Raw speech——完全照你说的来，保留每一个填充词和错误开头。适合原话很重要的时候：引用、记录别人怎么说的、语言练习。
• Tidy（默认）——去掉“呃”“嗯”之类的填充词，删掉口误和错误开头，补上标点，并保留你的意思和语气。这就是让口述输入终于像它本该有的样子的模式。
• Formal——把内容改写成干净、专业的措辞，随时可以直接放进邮件或文档里。它确实会有意改变你的表达，所以它是可选开启的。

以上面的例子来说：Raw 会给你带着重启和“呃”的那句话。Tidy 会给你 “我们能不能把路线图评审推迟到周四？” Formal 会给你更接近 “我们能否将路线图评审改到周四？” 的版本。

另一半：把文本送到你需要的地方

干净的文本只完成了一半工作。如果它落在一个转写应用里，你还是得把它复制到你真正想用的窗口中。

Typer 运行在一个悬浮在其他所有窗口之上的小窗口里——你的邮件客户端、文档、聊天框都可以。你一停止说话，润色后的文本就会自动复制到剪贴板。你不用找按钮，也不用切换应用。直接粘贴，就完成了。

因为它运行在浏览器里，所以无需安装，这一点在受管控的工作笔记本上尤其重要，因为安装软件通常意味着要提交工单。

姓名、行话，以及真正属于你的词

即使有了很好的清理层，仍然会留下来的错误通常都是专有名词：同事姓名、产品名称、内部行话、技术术语。没有通用模型见过这些词。

有两件事能帮上忙。第一，自定义词汇——把你常用的术语加进去，它们会优先被识别。第二，从你的修改中学习：当你纠正某个词时，工具会记住你的偏好，而不是下周又让你再改一遍。

当你混用多种语言时

很多人并不是一次只说一种语言。中文使用者会夹入英文产品名。德国工程师会在句子中间使用英文技术术语。大多数口述工具会强迫你选择一种识别语言并手动切换，这会严重打断流畅度，最后让人放弃。

Typer 允许你同时设置多种识别语言，因此混合句子也能准确输出，而不需要切换模式。如果你的问题是别人说的是你不懂的语言，那这属于转写和翻译，而不是口述输入——请看 口述输入 vs. 转写，看看你属于哪一边。

什么时候逐字才是正确答案

清理并不总是你想要的。当你在引用别人原话、当精确措辞本身就是重点、当你在练习一门语言并想看看自己到底说了什么，或者当你想把一个念头按它出现时的形状记录下来时，就用 Raw 模式。关键在于，它是一个选择，而不是唯一选项。

常见问题

我该如何口述出不需要编辑的文本？

使用一种在输入时就会清理内容，而不是逐字转写的口述工具。MirrorCaption Typer 的 Tidy 模式会去掉“呃”“嗯”之类的填充词，删掉错误开头和口误，并在文本进入剪贴板之前补上标点，这样粘贴就是最后一步，而不是一连串步骤中的第一步。

语音输入能自动去掉呃和嗯吗？

Apple Dictation、Windows Voice Typing 和 Google Docs Voice Typing 等内置工具会逐字转写，所以填充词会保留下来。带清理层的工具会自动去掉它们。在 MirrorCaption Typer 中，这是你按需选择的模式：Raw 保留全部内容，Tidy 去掉填充词并添加标点，Formal 会把内容改写成专业措辞。

清理我的口语会改变我的意思吗？

不应该。Tidy 模式的设计目标是保留你的意思和语气，只去掉噪音——填充词、重启和口误。Formal 模式则会有意改写措辞，这也是它作为单独模式供你选择，而不是默认项的原因。

我能同时用多种语言口述吗？

大多数工具不行——你要先选一种识别语言，换语言时再切换。MirrorCaption Typer 允许你同时设置多种识别语言，因此在一句话里混用中文和英文，或者德语和英文，也能准确输出。

我该如何让语音输入识别姓名和行话？

把它们加入自定义词汇。Typer 允许你添加常用的姓名、产品术语和行话，让它们优先被识别，而且它会从你对输出结果所做的更正中学习，因此同样的错误不会反复出现。

语音输入在浏览器以外的应用里也能用吗？

Typer 运行在一个悬浮于其他应用之上的小型浏览器窗口中，并会自动把完成的文本复制到剪贴板，因此你可以粘贴到邮件、文档、聊天或任何其他应用里。无需安装，这也意味着不需要 IT 审批。

结论

语音输入在很久以前就不再是准确率问题了。它是一个翻译问题——在“人们怎么说”和“文字应该怎么读”之间的翻译问题——而逐字转写把这项翻译工作留给了你。

替你完成这一步的工具，会把口述输入从一次尝试变成你每天都会用的东西。请在我们的 最佳口述输入软件指南 中比较这些选项。