千問在PC端上線AI語(yǔ)音輸入，免費(fèi)功能能否撬動(dòng)大模型新入口

5月7日，阿里千問在PC端正式上線AI語(yǔ)音輸入功能。用戶通過快捷鍵就可以在微博、QQ郵箱、PS、谷歌瀏覽器等各類桌面應(yīng)用中直接調(diào)用這一輸入能力。

Windows端按下右Alt鍵，Mac端按下右Command鍵即可激活，不需要手動(dòng)復(fù)制粘貼或切換應(yīng)用界面。

千問語(yǔ)音輸入的功能邏輯并非簡(jiǎn)單的語(yǔ)音轉(zhuǎn)文字，它能對(duì)口語(yǔ)內(nèi)容做去語(yǔ)氣詞、糾錯(cuò)、格式化整理處理，還支持基于上下文的智能回復(fù)。

用戶也可以直接下達(dá)創(chuàng)作、問答、翻譯等指令，比如口述“幫我做一份第一季度銷售數(shù)據(jù)的PPT”，千問會(huì)直接調(diào)用相關(guān)能力生成文件。目前該功能已經(jīng)全面開放，所有用戶可以通過千問PC端免費(fèi)使用。

這個(gè)功能上線的時(shí)間點(diǎn)值得注意，就在幾周前，微軟發(fā)布了自研語(yǔ)音識(shí)別模型MAI-Transcribe-1，支持25種語(yǔ)言，企業(yè)級(jí)轉(zhuǎn)錄起步價(jià)每小時(shí)0.36美元，部分性能指標(biāo)超過了OpenAI的Whisper-large-v3。

Cohere在三月底也開源了20億參數(shù)的語(yǔ)音識(shí)別模型Cohere Transcribe，采用Apache 2.0協(xié)議，可以直接部署在終端設(shè)備上，無需頻繁調(diào)用云端算力。全球頭部AI公司幾乎在同一時(shí)間加大了對(duì)語(yǔ)音識(shí)別和交互的投入。

在這些進(jìn)展中，千問的一個(gè)明顯差異是免費(fèi)的PC端應(yīng)用場(chǎng)景。微軟的主要發(fā)力點(diǎn)在企業(yè)服務(wù)和開發(fā)者工具，Cohere聚焦于企業(yè)級(jí)語(yǔ)音識(shí)別的開源部署。千問的語(yǔ)音輸入沒有向用戶收費(fèi)，也不僅限于特定辦公軟件，而是在全桌面環(huán)境內(nèi)通用。

一個(gè)不能回避的問題是，語(yǔ)音輸入在大模型應(yīng)用中到底是一個(gè)基礎(chǔ)能力還是核心入口。有分析預(yù)測(cè)2026年下半年，語(yǔ)音輸入加AI改寫會(huì)成為主流AI產(chǎn)品的標(biāo)配功能。

從這一邏輯看，千問在PC端上線語(yǔ)音輸入更像是構(gòu)建完整產(chǎn)品體系的必要步驟，而不是一次產(chǎn)品層面的重大突破，但免費(fèi)策略確實(shí)降低了體驗(yàn)門檻。

此前有觀點(diǎn)認(rèn)為市場(chǎng)缺乏既免費(fèi)、又具備AI結(jié)構(gòu)化改寫能力、同時(shí)對(duì)中文友好的語(yǔ)音輸入工具。千問填補(bǔ)了這個(gè)空檔。

與此同時(shí)，微軟、谷歌、OpenAI等公司對(duì)語(yǔ)音交互的投入遠(yuǎn)不止輸入法層面。OpenAI計(jì)劃在2026年發(fā)布新一代音頻語(yǔ)言模型，并以此為基礎(chǔ)推進(jìn)語(yǔ)音驅(qū)動(dòng)的硬件設(shè)備。

開源方案如Cohere Transcribe也在挑戰(zhàn)傳統(tǒng)語(yǔ)音識(shí)別市場(chǎng)格局，整個(gè)產(chǎn)業(yè)在語(yǔ)音技術(shù)上的競(jìng)爭(zhēng)已經(jīng)進(jìn)入了從模型性能到應(yīng)用落地的全面比拼。

語(yǔ)音交互的便利性毋庸置疑，但千問上線這個(gè)功能后更大的看點(diǎn)在于它在PC端能走多遠(yuǎn)。

大模型應(yīng)用正在從單純的對(duì)話工具向?qū)嶋H解決任務(wù)的智能體演進(jìn)，語(yǔ)音輸入降低了用戶調(diào)用AI能力的門檻，但真正決定價(jià)值的仍然是模型執(zhí)行任務(wù)的準(zhǔn)確性和可靠性。

千問選擇在PC端優(yōu)先落地語(yǔ)音輸入，可能不僅僅是為了做一個(gè)方便的輸入工具，而是為更大范圍的智能體操作鋪路。

目前千問語(yǔ)音輸入已經(jīng)可以完成制作PPT、整理表格、輸出Word文檔等跨應(yīng)用任務(wù)。這類操作在PC端比移動(dòng)端更順暢，因?yàn)镻C操作系統(tǒng)本身提供了更高的權(quán)限和更開放的API調(diào)用空間。

這也是為什么大部分能夠真正自主執(zhí)行任務(wù)的AI智能體都優(yōu)先選擇PC端部署，千問的這一步，看似是輸入方式的更新，但真正指向的是AI在PC端的深度嵌入。