语音输入，会取代敲键盘

「能说能 写」 思考一个问题：人类敲键盘输入信息，到底有多长历史？ 答案是，150年。 1871年，美国人克里斯托弗·肖尔斯造出了世界上第一台实用打字机。 第二次工业革命的背景下，铸铁冶炼、冲压工艺，以及油墨带、橡胶等新技术，共同塑造了 打字机的物理形态。与此同时，铁路与电报把商业网络铺向全美。合同、发票、报价等商业 信息的传递需求暴涨。 手写太慢了，正常速度只有每分钟20-30个单词。市场迫切需要一种更高效的信息输入工 具，于是第一款商业上成功的打字机诞生了。 直到今天，我们输入信息的主要方式，仍然是那台打字机的延续——键盘。连 QWERTY 键 位布局，也沿用了 150 年前的设计。 但，键盘输入还适合我们这个时代吗？ 我认为不适合了。敲键盘的信息输入速度太慢。 语音输入结合AI，信息效率更高，会取代键盘交互。 更重要的是，口语表达天然更符合人的思维方式。 敲键盘写作之前，大脑必须先把一句话想清楚，再一个字一个字敲出来。这是一个把思绪 「凝结」为书面语的过程。但是，我们平时说话、思考，并不是这样运作的。 世界上大多数人写不出几千字的文章，但大家都能顺畅地聊天交流。既然能口头表达清晰， 理论上就能写好文章。问题出在哪里呢？ 问题就在于「凝结」思绪这个过程，很困难。 无论是手写还是敲键盘，都有一个大脑指挥手，再去执行，这样复杂的交互。 而说话大部分是下意识反应。比如我吃了水盆羊肉，绝大部分人写不出一千字讲水盆羊肉的 文章。 但你问我水盆羊肉好不好吃，我能立即回答好吃，羊汤很鲜，羊肉嫩滑，辣子酸辣，月牙饼 是刚出炉的麦粉香味。这些话是自然而然到嘴边的，不需要特意思考。 水盆羊肉真的很好吃啊 哪怕是复杂问题，比如你问我人类的本质是什么，我也能随口就说「人类的本质就是拉屎撒 尿」「人类的本质就是存在」。这一两句话，我也不需要思考。 这些脱口而出的句子，零散、没有结构化，不像正式写作那样条理分明。 语音输入加AI，正好解决了这个问题。我们可以想到哪说到哪，再让 AI 负责结构化、理顺 逻辑。

口语更自然、更原始，更接近真实的思考状态。语音输入大幅减少了我们大脑中「凝结」思 绪的负担。 这几年来，一个非常明显的趋势是：全球人民都不再迷恋技巧复杂、包装精美的大制作内容 了，而更愿意听播客、看短视频、刷社交媒体。 我们正在经历一场从书面语到口语的社会表达方式转变。 为什么？ 因为很多书面语的「大制作」充满了陈词滥调。 比如电影、特稿、严肃文学，堆积了太多创作者的套路和潜规则。一部经典电影，它的叙事 方式、拍摄手法，可能80%都是程式化的。 而短视频、短剧充满了意想不到的火花。哪个电影导演能想出「霸道总裁爱上绝经的我」这 种剧情？想不出来的。但就是这种短视频，更加鲜活、质朴，更加接近人的原始想法。 播客也是一样。名人在文字采访里可以装深沉，用口语却必须通俗易懂。尤其是上播客，聊 天时间拉长到一个多小时，听众很容易判断嘉宾到底有没有说真话。 在信息输入端，人们越来越青睐简洁直接的内容。这种输出端的口语化趋势，自然会倒逼信 息输入端，要求更高效的输入方式，加速语音替代键盘。人们无需再用笨重的方式写，而是 可以直接说。 这其实很像有秘书班子的领导。 一个市长要在明天的环保工作动员会上发言，他显然不会自己加班逐字敲发言稿。他会口头 交代给秘书核心观点。他的语音输入可能就五六分钟。然后秘书就像一个大模型，调用和领 导互动的历史（上下文），揣摩领导的风格偏好，再查查最新文件和报道（联网搜索），然后 熬夜写稿。领导再提点修改意见。 这和我们使用AI没什么区别。在AI出现之前，领导已经把人作为AI了。 语音输入更符合人类自然的思考和口语表达习惯，绕开了将思绪「凝结」成书面文字的认知 障碍，让「能说不能写」变成「能说就能写」。 所以，我觉得，语音输入比键盘交互更高级。 技术上，语音识别已十分成熟，大模型对语音转录的结构化同样成熟。 效率上，语音远胜键盘。手写，大约每分钟25-35字。键盘，每分钟60-90个字。而正常语 速，200-250个字。语音输入的信息输入速度，远远高于键盘打字。 需求上，人们更需要直接、质朴的表达，内容消费也向口语化、真实化的方向转变。

这一切都指向一个明确的未来：语音输入会取代键盘交互。 这是由技术进步带来的信息交互方式改变。 如同冲压工艺和橡胶、油墨带催生了打字机。人们敲键盘开发的语音识别和LLM，也产生了 新的信息交互方式——语音输入、AI结构化。