讯飞输入法16.0以“机器迁就人”为理念,推出第三代“意图成稿”功能,可读取截图与聊天信息,结合长程记忆按用户偏好生成汇报、合同说明、请假等草稿;语音输入支持边说边改、自动清理口误,并提升方言、高噪与中英混说识别能力。个性化AI键盘提供高情商沟通等技能,另有“键盘搭子”动态陪伴。
Voltip 是一款开源语音输入工具:按住快捷键说话,松开后自动去除口头禅、保留最终说法并插入光标处。支持 Windows、macOS、Linux、Android,可本地离线识别或接入 OpenAI 兼容接口。项目用 Rust 实现音频处理、识别、加密传输与文字插入,手机可作电脑麦克风,设备间经中继仅传输密文。目前无 iOS 版,Wayland 下无全局快捷键,Windows 安装包未签名。
文章讨论微信“按住说话”交互:按住设计是改进,但松开即发送值得商榷。作者主张先转文字到输入框,让用户确认再发送,以避免口误或识别错误引发歧义,并建议增加偏好设置;同时批评滑动编辑按钮设计令人不安。
豆包输入法已覆盖五大平台,支持账号、词库与剪贴板跨设备同步,实现手机与电脑间无缝互传。语音输入支持粤语、中英混说、气声及离线识别,并可用AI将口语整理为清单、日记或待办。大模型还增强了候选联想、行内计算与手势操作,整体设计清爽克制,旨在减少表达阻力。
作者质疑语音输入的价值,认为口述写作易使行文冗长枝蔓,并批评某AI语音输入法“不必想好,开口就好”的口号是在让人放弃思考。结合手写优于打字的观点,他指出屏幕已取代纸张的触感,若再不与物理世界联结、不慢下来审思,人将沦为只看短视频的“缸中之脑”。
小米17 Pro自带输入法语音输入会屏蔽脏话和敏感词,即使关闭AI模型功能也无法取消。用户质疑该功能意义,认为日常口语中带脏话会被瞬间屏蔽,体验不佳。
该项目是一个AI音频创作助手,新增播客后期制作功能,包括音频拼接、智能BGM选择和音轨混音,并添加音频资源管理API及语音输入。后端支持交叉淡入淡出、音量归一化,前端通过Web Speech API实现语音转文字,实现从上传、处理到成品的全链路闭环。
语音输入工具如Typeless宣称语音是原生输入方式,但作者认为其实际体验不佳,尤其在公共场合使用会打扰他人,且剥夺思考过程。创作需反复推敲,打字是思考的一部分,语音输入无法替代。作者引用《美国讲稿》强调写作可修改的重要性,认为语音输入营销忽略了创作内核。
Gemini Drops七月更新:macOS支持语音输入与编辑;Gemini Spark全球上线;推出3.6 Flash和3.5 Flash-Lite模型,推理更强速度更快;可添加个人头像生成个性化图像;集成Dropbox、Zillow Rentals和Viator等应用;美国用户可生成定制图像。
Gemini macOS应用新增语音功能,长按Fn键即可在任何窗口语音输入,实现智能听写(自动去除语气词并修正)。用户可选启用Gemini推理,通过语音提取总结信息、改写文本、生成编辑图像。该功能面向全球英文用户推出,更多语言即将支持。
Codex键盘开售即售罄,首批用户反馈做工精良、手感佳,但价格昂贵。它支持多Agent任务切换、自定义按键和语音输入,提升效率。用户还开发了跨应用语音输入和灯光控制等玩法。普通Creator Micro 2也支持Codex集成,功能相近。总体评价:贵但好玩,适合多任务用户。
作者发现用小米蓝牙遥控器2 Pro(99元)作为Vibe Coding语音输入工具,按住麦克风键说话即可将需求转为文字,省去频繁切换操作。相比230美元的Codex Micro,它便宜便携,支持USB-C充电,也可用翻页笔等替代。文章还介绍了Windows和Mac的配置方法,强调核心是按键和声音传输,语音识别靠输入法完成。
小米蓝牙遥控器 2 Pro 可作为语音输入工具,简化编程过程。用户通过按住麦克风键进行语音输入,避免频繁切换手的位置。遥控器按键可自定义,适用于多种设备,价格低廉,便携且充电方便,适合日常使用。
Ubuntu 26.10 正在开发情境感知桌面,首个成果是 Myna 语音转文本解决方案。同时,Vocalinux 是一款开源的 Linux 桌面语音输入工具,支持离线处理,兼容多种桌面环境。最新的 0.14 beta 版增加了快捷键支持和 API 引擎兼容性。
在AI时代,语音输入比文字输入更为重要。VoKiKi是一款免费的语音转信息工具,支持多种模型,适合注重数据安全的用户。它旨在提升语音输入的速度和准确性。
Ubuntu 26.10 将推出语音输入功能,用户可以通过说话代替打字。该功能由 AI 语言解析模型支持,旨在提升可访问性和便利性。此外,Canonical 还计划在后台添加隐式 AI 功能,以改进摄像头对焦和麦克风质量。
HoldSpeak是一款优化的语音输入工具,适合与AI编程工具Claude Code配合使用。它支持不完全正确的输入,能够快速将语音转为文字,且所有识别过程在本地完成,保护用户隐私。
豆包输入法现已推出PC版,安装包大小为159MB,支持AI语音输入、拼音、小鹤双拼和自然码。用户可通过按住fn键进行语音输入,识别效率高。目前尚无Windows版本,之前已上线iOS和安卓版本。
这篇文章介绍了一款基于百度实时语音识别API的网页浏览器语音输入法,支持简体中文和英语,能够实时将语音转为文字,主要用于个人使用。GitHub地址提供了更多信息。
苹果计划于9月发布内置摄像头的AirPods,主要用于Siri处理视觉信息。OpenAI推出三款实时语音模型,支持语音推理和翻译。任天堂股价连续五个月下跌,Switch 2销量强劲但面临亏损压力。理想汽车设计副总裁表示MEGA设计未被视为失败,销量问题在于内饰。鸿蒙微信更新带来多项新功能。
完成下面两步后,将自动完成登录并继续当前操作。