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。」

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?！?/p>

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。」

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。」

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。