试用了几个语音输入法

我的使用场景：

之前键盘打字写提示词控制 agent 写代码，希望能逐渐转为语音控制写代码，加快速度，提升效率。

希望能支持任意软件的编辑窗口，随时都能语音输入，支持中英文混合输入，润色功能并不太需要。

已购麦克风：大疆 mic mini 2 ，挂衣服上，这样可以人距离电脑较远距离，站起来或躺椅子上，不用接触鼠标键盘，即可输入。

测试结果

1 、Windows 自带的语音输入 win+h 唤醒

优点: 识别率可以接受，中英文也可以，流式输入，实时性好。功能极其简洁，窗口悬浮，方便操作。

缺点：鼠标或键盘操作后会停止监听，需要再次唤醒。

2 、微信输入法语音输入

优点：识别率很高，中英文识别也很好，有自动纠错。

缺点：说完后需要点击回车才能录入到编辑器，回车后窗口就没了不能继续了还得再次唤醒。或者就是需要按着快捷键说话，松开后录入。

3 、搜狗输入法语音输入

优点：识别率可以接受，英文没有微信好。一句话说完之后，会输入到编辑框里，对比 win+h 稍微有点慢。支持连续听写，永远在听，随时都可以录入。

缺点：流式输入速度略慢，设置入口较难找到。

4 、LazyType

优点：支持本地模型或在线模型。看设置里貌似支持很多模式还支持指令功能很丰富，但是我没研究明白怎么玩。

缺点：只测了几个本地模型，一开始又慢又卡，不知道怎么能录入到 vscode 里，折腾半天，不知道怎么又好了，识别率速度都还可以，有时候会有重复。

4 、智谱 AutoGLM

优点：中文识别还行，英文不行。

缺点：有点慢。免按模式需要人工干预需要操作鼠标复制粘贴。

当前语音输入法存在的共同问题

1 、应该至少支持这三种模式

• 按着快捷键说话，松开后录入


• 免按模式：持续监听，实时录入


• 录入后进入润色模式，人工干预后再录入

2 、快捷键问题

已经没有合适的方便的快捷键了。有些不支持 fn ，不支持 win ，只能 ctrl alt shift ，冲突太多了。

要不干脆别要快捷键了，直接语音唤醒？

理想状态：就像文字输入法随时都能输入一样，语音也应该只需要唤醒后一直待命即可。

3 、剪贴板污染

语音识别之后会写入剪贴板，可以随地粘贴，实际上是污染了剪贴板，并不方便。

应该就能直接输入到 word 里，vscode 里，但是这可能不方便 AI 二次加工。

4 、不支持输入比如回车换行左括号右括号等

win+h 支持“换行”，说完提示词说换行就提交开始写代码了，不用人工再点下提交。

5 、没有 AI 编辑模式

类似 vim 的命令编辑模式切换，应该能有一种语音控制的方式来进入编辑模式，对前面录入的文字进行二次修改。

可以自定义比如我说"进入编辑模式"，然后：

删除上一句话

删除重复的两个字

把前面的 abc 改成 def

润色一下

AI 直接修改当前输入框内容。

当然，还需要有个从编辑模式回到录入模式的指令。

结论

等豆包输入法 win 版出了再看看，也期待微信能增加个免按模式就完美了。