前言

最近看一些AI相关的咨询的时候，总是能看到一些博主在推崇使用AI语音输入法，说是在跟AI聊天，使用Agent的工具时会更加顺手。确实无论是跟AI聊天也好，使用Agent工具也好，遇到一些比较复杂的表达，长Prompt这类的场景，用键盘输入确实是不够迅速，所以我也就决定试试这一类产品，详细了解之后发现，市面上这一类产品还是比较多的，经过一段时间的使用之后，就想着写篇博文分享一下。

AI语音输入法的work flow

首先让我们来了解一下AI语音输入法，语音输入法并不是什么很新鲜的东西，我印象中一几年的时候，国内像讯飞这种厂商的语音输入法在纯中文场景就已经非常可用了，本质上就是一个语音转文字的模型，一般称之为ASR模型。

作为一个优秀的ASR模型，我们对他的要求自然时候精准的转录，将用户说的每一个字都精准的转化为文字。但是，人在说话的时候，是会有一些口癖，比如：嗯，啊，而且如果是长文本输入，还有可能出现说错话的情况，临时修改的情况。对于传统的语音输入法来说，面对这种情况只能手动对识别出的文字进行手动修改。

而在LLM爆发之后，大家就想到了让LLM来进行这种修改，整理工作，也就是ASR模型先将用户说的话转换为精准的文本，然后交给LLM进行去口癖，理解用户本意，甚至格式化改写这种工作，具体要求可以通过提示词来进行设计，并且这种文字工作本身就是LLM擅长的，以现在的LLM技术，成本非常的低廉，这就是AI语音输入法的work flow。

主流产品对比与个人选择

了解了AI语音输入法的工作原理，现在让我们来了解一下市面上有哪些主流的产品，这里我也只能分享我用过的，我大致将其分为三类

海外产品

这一类的代表产品自然是Typeless，我自己用过的有Wispr Flow、Typeless，准确度上表现不错，单一语言基本上不会出错，博主测试了普通话，粤语，英语，日语，中英混说的场景表现也不错，但是表现肯定没有单一语言好，至于中日混说这种小众场景表现就很一般了，基本处于不可用的状态。

然后使用的模型上，上述两款产品都采用的闭源模型，LLM提示词上，Wispr Flow提供了多种整理强度的设置，不过提示词本身也是闭源的，无法进行彻底的控制，而Typeless则是强制性的高整理强度，不过经过Typeless整理的文本确实非常适合vibe coding的场景。

这里的整理强度是指，LLM在对文本进行整理的时候，是只是简单的去除口癖，尽可能保留原始文本，还是将其进行彻底的重新整理，使用结构化输出，只要原始含义正确即可，这也是目前多数AI语言输入法产品的逻辑，给几个不同的整理强度，让用户自行选择。

最后是价格上，海外产品的价格那自然是几乎不可用的状态，例如Typeless每个月的订阅费是12刀，每周的免费额度是8000个词，如果使用强度比较高是肯定不够的，所以虽然Typeless很好用，但是我的钱包确实不允许我用。

国内产品

国内产品的代表应该是豆包输入法，除此之外还有例如千问输入法，微信输入法等产品，我只试用了豆包输入法，因此就谈谈豆包输入法。准确度上表现跟海外产品差不多，单一语言没什么问题，多语言有待提高，文本整理则是强制性的轻度整理，模型跟提示词自然也都是闭源的。价格上，国内产品自然是先免费抢占市场的逻辑，所以目前上述三款产品都是完全免费的，且目前没有收费项目。

国内产品最大的不同在于产品形态，国外产品都是一个单独的语言输入法，放在后台运行，用快捷键触发，而国产的豆包输入法与微信输入法则都是完整的键盘输入法，只是包含了语言输入的功能，千问我了解到是千问app的一部分，属于大杂烩app。

我没有选择国内产品的原因也是因为，我想要一个独立的语言输入法，而不是把我的文字输入法一并换掉，而且我是坚决不使用国产的文字输入法的，隐私方面没有保障，社区中也有人监测到豆包输入法在闲时进行数据上传，对于隐私敏感人群来说，这些产品显然不是一个好的选择。

框架产品

最后一类产品，我称之为框架产品，也就是搭建一个AI语言输入法的框架，并且完全开放整个work flow中的所有可设置项，包括ASR模型，LLM，以及LLM的提示词，这一类产品我用过闪电说、openless。

其中，闪电说属于闭源商业产品，他们有自己的模型与订阅套餐，但同时也允许用户自己配置ASR模型与LLM，不过LLM的提示词不能完全自定义，并且官方也推荐用户自己配置，闪电说的官方文档中有一篇开发者写的最佳实践，选用了豆包的流式语言输入2.0作为ASR模型，以及Doubao-Seed-2.0-mini作为LLM，确实是一个经济实惠且效果不错的方案，社区还有一个主流方案是用Deepseek-flash，我使用下来感觉两者没有明显差别，主要还是看提示词。

这一套方案在准确度上跟上述产品一样，毕竟接的就是豆包的ASR嘛，整理效果上则是主要看提示词质量了，我对闪电说最不满意的点也是这一个，因为提示词无法完全自定义，只能在原有的提示词上加提示词，我在使用的时候感觉闪电说自带的轻度整理回车用的太频繁了，然后我在附带提示词中写了不要滥用回车，然而收效甚微。

最后是openless，这也是我最后选择的主力产品，这是一个完全开源免费的软件，ASR模型，LLM，提示词都完全开放设置，并且提供了本地ASR模型的选项，还有提示词社区，可以在社区中下载别人设计好的提示词直接平替Typeless，配置上我用的也是豆包流式语言输入2.0 + Deepseek-flash的方案，效果跟闪电说基本一样，不过得益于可以完全自定义的提示词，整理效果会更好。

还有一个我很刚需的功能就是快速切换整理风格，因为Typeless这种结构化整理风格不是万用的，在回消息，跟AI闲聊这种场景，我还是更喜欢用轻度整理，只有在给agent提长需求的时候，我才需要结构化的整理，而openless允许为常用风格设置快捷键，快速切换，深得我心。

不过openless也是有缺点的，那就是目前还处于高速开发更新阶段，软件的方方面面都不是很完善，比如说刚才提到的提示词社区功能，居然是把提示词下载下来之后在自己导入，包括一些不稳定性问题，我自己是没有遇到过，但是反馈群中有时会有人反馈软件闪退等问题，软件界面目前也比较简陋，录音的胶囊球也不够好看等等。

最后就是价格问题，由于是用户自己配置，因此价格主要取决于配置方案，以我使用的方案为例，主要成本是豆包的ASR模型，目前定价是¥1/1h，预付费会便宜一点点，而LLM的成本反而是很低了，基本上一个月不太可能超过一块钱，无论是Doubao-Seed-2.0-mini还是Deepseek-flash，如果使用本地部署的ASR模型的话，那使用成本就可以压到很低了，一个月不太可能超过一块钱。

博主本人的使用强度不算高，一个月不超过10个小时，计算下来的总费用也就在一个月10块钱左右，还是可以接受的，由于火山引擎的模型基本都有试用额度，所以如果使用上面的配置方案，ASR模型的前20小时是不需要付费的，Doubao-Seed-2.0-mini也有一定的免费额度，Deepseek-flash确实没有免费额度，博主的ds账号里还剩一些钱，就顺便拿来用了。