語音輸入喊了這么多年，千問電腦版一出手就把鍵盤卷沒了？

編輯｜楊文

AI 正在悄悄改變人與電腦的交互方式，而下一個被重塑的，可能就是每天發生幾百次的「輸入」這個動作。

語音輸入并非新概念。從早期的 Siri、Google Assistant，到近幾年 Whisper、Otter.ai 等工具在海外掀起的語音轉文字熱潮，這條賽道已經被反復驗證過需求真實存在。

但用戶的抱怨也從沒停過。識別出來全是口語，「嗯、啊、那個、這個……」一個不落，語氣詞、停頓、口誤，說完還得自己改一遍，兜了一大圈，效率并沒提升多少。

而且很多工具和真正的辦公場景脫節，重活都在電腦上干，語音工具卻在手機里。

最近，千問電腦版上線了全新的語音輸入法，我們只需對著屏幕開口說話，它就能自動識別當前所在的應用和屏幕內容，理解我們的表達意圖，過濾掉語氣詞和口誤，直接輸出結構化、可用的文字。

這套語音能力還打通了千問電腦版本身的生產力工具，語音指令能直接調起 AI，幫忙回郵件、潤色文案、生成 PPT、整理表格等。

交互邏輯也很簡潔，記住兩個操作就夠了。在任意界面長按右 Alt（Mac 用戶長按右 Command），松開后語音自動轉文字，不需要額外安裝插件，也不需要切換應用。

如果想直接下達指令讓 AI 干活，雙擊同一快捷鍵即可。查資料、回消息、生成文檔、做 PPT，選中內容后雙擊，千問便能基于當前屏幕內容直接執行任務。

可以這么說，語音輸入在這里不只是一個替代鍵盤的輸入方式，相反成了觸發整條工作流的開關。

目前，該功能已上線，我們可以下載千問電腦版或訪問網頁版直接體驗，功能全免費、零門檻。

接下來我們就奉上一手實測，看看能開發出哪些提效玩法。

• 千問網頁版：https://www.qianwen.com/
• 千問客戶端：https://www.qianwen.com/download?ch=tongyi_redirect

智能語音輸入：打工人最強「嘴替」

先來試試智能語音輸入。

我們將輸入光標放在釘釘聊天框里，按住右 Alt（Mac 用戶按住右 Command），對著電腦說一段完全口語化的內容，不停頓、不整理，就像跟朋友隨口聊天那樣說出來：

「就是啊，這個項目的話，我覺得吧，嗯，時間線要排一下，然后那個…… 對，就是周四之前要跟客戶確認方案，然后內容那邊也要催一催，不然可能來不及?！?/p>

千問將所有語氣詞過濾干凈，原本散亂的三件事，被整理成邏輯清晰的三句話，意思完整保留，但文字已是可以直接發送的狀態。

千問語音輸入法效果

以前寫 prompt 要斟酌半天，現在可以隨想隨說。

比如口語輸入一段復雜的提示詞：

「我要寫一份千問電腦版語音輸入法上線的營銷策劃方案，你幫我整理一下。先說產品功能和價值，講它怎么結合千問 AI 提高辦公效率和內容整理能力。然后分析目標用戶和市場定位，比如職場白領、內容創作者、學生，他們的痛點和需求，跟競品比有什么優勢。接著幫我設計營銷策略，包括線上線下推廣、社交媒體、短視頻、KOL 合作之類的。再幫我做個預算和 KPI 規劃，每個渠道和活動的預算、下載量、轉化率、曝光量等。還要分析風險和應對，比如用戶認知不足、教育成本高、競品影響。最后幫我做深度分析和觀點拔高，講 AI 語音輸入在辦公效率、知識管理、內容創作的趨勢，國內外輸入法發展和推廣動向，以及對數字辦公生態和用戶習慣的長期影響。」

千問能分條縷析地理清需求，自動按框架分點輸出，結構一目了然。

千問語音輸入法效果

識別準確率方面，正常語速下中文識別幾乎沒有錯別字，中英文混說也能無縫識別。比如我們語音輸入：

「王姐，問你個事兒唄，明天咱們的會是幾點呀？我下午有個 Deadline，能不能往后 push 一下？哎呦，樓下新開了一家羊湯館，挺好吃的。中午咱一塊去吃飯去？」

千問語音輸入法效果

再來個包含大量英文技術術語的提示詞，原話是：

「對話歷史太長導致 Context Window 爆了。我想把 ConversationBufferMemory 換成 ConversationSummaryMemory，請給我一個用 LLM 自動 Summarize 歷史消息的代碼示例?！?/p>

千問識別結果依然很準確，中英文混說沒有出現任何偏差。

千問語音輸入法效果

智能語音指令：不用打字，開口說話就能辦公

雙擊右 Alt（Mac 用戶雙擊右 Command），則進入另一種模式 ——AI 語音指令。我們說什么，千問就能干什么，在任意軟件、桌面任意位置均可喚起千問。

比如在郵件頁面雙擊喚起，直接說：

「幫我寫一封郵件，告訴客戶方案延期兩天，周五能交付，態度誠懇一些?！?/p>

千問聽懂指令后，能感知上下文，識別收件對象，并按郵件格式輸出一封帶開頭、結尾的完整郵件，語氣客氣不拖沓。

千問語音輸入法效果

如果覺得過于正式，再說一句「將郵件語氣改得輕松一點」，千問直接重新生成，措辭到位無需手動修改。

千問語音輸入法效果

而且它還能進行場景感知。同樣一句語音指令「幫我回復下，說我可以」，在釘釘聊天框里，它輸出的是：「收到啦！我會準時到達會議室噠～不見不散呀！」保留了即時通訊的口語感，末尾還自然帶上表情。

千問語音輸入法效果

切換到郵件界面再說同樣的內容，話術則變成「收到，我會準時參加」，語氣直接切換成商務書面表達。

千問語音輸入法效果

同樣的指令，它可以根據不同的場景，呈現出截然不同的表達風格。

千問智能語音指令還可以用來記便簽，任何時候雙擊喚起，原話是：

「我覺得可以寫一個趣味選題，吐槽當代大學生寫論文的現狀：很多人先用 AI 生成初稿，再用 AI 擴寫潤色，最后又用 AI 檢測重復率，結果整篇論文幾乎全程由 AI 操作，自己動手的部分越來越少。幫我記錄這個靈感，并給幾個拓展方向，比如學術誠信：AI 寫作和擴寫的濫用是否影響原創性和學術道德。技術怪圈：AI 生成論文再用 AI 檢測的荒誕邏輯和 “自相矛盾” 的現象。寫作能力退化：過度依賴 AI 是否導致學生基本寫作技能下降。教育制度應對：學校和老師如何應對 AI 寫作帶來的教學挑戰和評估問題?！?/p>

千問電腦版能自動識別、記錄并提供查看入口。

千問語音輸入法效果

接下來我們再試幾個進階場景。

比如語音指令和千問內置的 PPT 功能聯動。

千問 PPT 新增專業模式，由 Qwen 最新 AI 大模型編程能力加持，可動態生成復雜結構的 PPT 頁面和內容，內容有深度，而且排版專業。

我們在釘釘里選中一段需求，雙擊快捷鍵，開口說：「幫我把這段需求整理成待辦清單，再做成匯報 PPT?！?/p>

千問基于選中的內容，自動梳理邏輯、提煉要點，生成一份結構完整的 PPT。不需要復制粘貼、切窗口，更不需要手動排版。生成后還支持繼續修改，直接在原 PPT 上調整，不用推倒重來。

千問語音輸入法效果

此外，它還支持多文件處理，將幾十份 Word、PDF 文件拖入千問，雙擊快捷鍵下達指令，AI 可以自動讀取內容、提煉關鍵信息、生成數據可視化圖表，輸出一份可直接上臺匯報的材料。支持 39 種文件格式，一次性批量處理。

語音指令搭配 Excel 也是需求極高的場景。

我們依然雙擊快捷鍵下指令，原話是：

「把財政部 稅務總局公告 2026 年第 10 號文件包含的增值稅優惠政策具體項目整理成一份 excel 清單，減免方式、政策內容、執行期限?！?/p>

千問自動搜集相關政策，并整理成增值稅優惠政策清單 Exccel 文件，全程對話式操作。

千問語音輸入法效果

整個過程里，我們只需說清楚要什么，執行層全部交給千問。對于日常需要維護各種數據表但又不擅長 Excel 的人來說，這種操作方式的門檻幾乎為零。

結語

支撐這一切的，是千問大模型多年沉淀的語音底層能力，包括超億小時音視頻數據訓練、端到端的實時響應。扎實的技術底座，本就在等待一個足夠日常、足夠高頻的落地出口。

真正讓千問電腦版語音輸入法值得單獨說一說的，是它重新定義了「語音輸入」。普通語音輸入法做的是聽寫，我們說，它轉，轉完就結束了。而千問做的是理解，是把聲音到文字的單次轉寫，升級為識別 — 理解 — 重寫 — 排版的完整智能鏈路。

這條鏈路，是專門為語音輸入打造的 AI 流水線，Qwen 定制 ASR 模式負責高精度聽懂，Qwen 最新序列的 LLM 負責深度理解與表達重構。它同時在聽我們說什么、看屏幕上有什么、判斷我們正在用哪個軟件，再決定輸出什么。它真正解決的，是把口頭想法快速變成一段可以直接使用的高質量文本。

它也把使用 AI 的流程壓縮了。長按說話、雙擊下指令，AI 能力直接嵌在我們正在用的軟件里，輸入和執行之間沒有斷點，注意力也不會因為切換窗口而中斷。

這背后，是一個正在成形的更大趨勢。蘋果將 Siri 全面升級為 AI 助手，OpenAI 持續推進 ChatGPT 的語音對話能力，Google 的 Gemini 也在強化多模態交互…… 語音正在從鍵盤的補充，演變為 AI 時代最自然的交互入口，因為大模型已經能真正聽懂人話、理解上下文，打字反而成了多余的中間環節。

但在電腦端，這個轉變才剛剛開始。桌面端的語音輸入長期停留在轉寫工具的層面，沒有與 AI 能力真正結合，千問電腦版語音輸入法恰好做了一次嘗試。

模型有多聰明，決定的是產品的上限。用戶能用多自然的方式把意圖傳遞給 AI，決定的是產品能否真正進入日常。

語音輸入，正在成為 AI 交互的下一個入口。