语音输入，会取代敲键盘

本文来自微信公众号：葬AI，作者：葬愛咸鱼，题图来自：视觉中国

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。

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。

（本文配图由ChatGPT o3生成，Grimo、Gemini 2.5 Pro辅助写作。）

本文来自微信公众号：葬AI，作者：葬愛咸鱼