先讲一个小故事。
大家很多人都知道丘吉尔是英国首相，但是不知道丘吉尔还是唯一一位获得了诺贝尔文学奖的政治家，注意是文学奖，不是和平奖。
丘吉尔明明是一个政治家，怎么能够在当首相的同时又拿到诺贝尔文学奖？难道他跟我一样，是天才？
其实丘吉尔并不是自己写作，而是在工作之余，口述内容，他一边说，秘书一边整理，最后汇集成册，凭借这些书籍拿到了诺贝尔文学奖。
过去，只有少数人能够像丘吉尔一样让秘书来帮忙写作。但现在，AI就是我们每个人的秘书。
今年我的创作流程基本上都是口述，然后让AI来改写，相当于我拥有了丘吉尔那样的秘书，获得诺贝尔文学奖那不是指日可待。
为什么？
人类更习惯通过口述进行表达，而不是手写或者键盘这样的方法。
从速度的角度来说，人的思维速度永远快于打字的速度，打字在很大程度上限制了我们的表达。
而口述就能够减少因为打字速度跟不上我们思考的速度，而造成的想法衰减，能够更好地把思想捕捉下来。
键盘这种表述形式，更多是因为在过去技术识别语音内容正确率低，而采用的一种折中的方法。
另外，比起打字，口述更加直接简单，可以降低思考的负荷。
举例来说，我们打字的时候需要思考组织语言，然后输出到键盘。像我这种习惯写作的人，打字并不是困难，但是对于很多不经常使用键盘打字的人来说，打字造成的负荷会严重影响输出的质量。
反观口述，它就更加直接了，可以把我们大脑的想法完全不加思考地马上表达出来，毫无阻塞。
**总得来说，比起键盘和手写，口述才是真正适合人类进行思想创造和表达的方式。**这也是为什么近几年播客正在变得越来越流行。
不是因为观众爱听，更是因为主播能说。
相信未来基本上绝大多数的内容都将变成口述，通过AI修饰整理出来的完成输出的。
话说到这，我相信肯定有人会说："我就是喜欢打字啊，打字可以帮我梳理思路，让我的内容更扎实。"
这个逻辑里面存在的最大的问题就是键盘输入真的是在帮助我们梳理思路吗，还是说是一种对我们输出内容进行毫无必要的删减呢？
键盘和手写输入，它们本质上都是对我们思想的一种降噪，方便自己理解。
文字内容是经过了大脑的思考和转换的，删去了很多东西，有些是废话，比如"啊啊啊"之类的口癖，但也会有很多有意义的内容。
这些内容或许恰恰是一些灵感的来源，但是又被我们被动地降噪掉了。
口述则可以保留我们内容当中的精华。这些精华可能是灵光一现，也可能是转瞬即逝的情绪细节、独特的比喻，甚至是一句看似“废话”却暗藏线索的口头禅。
过去整理口述内容成本很高，而且负责整理的人也不一定能理解口述者真正想表达的意思，所以这种创作方法无法普及，（比起丘吉尔，我一直觉得他的秘书更应该获得诺贝尔文学奖）。
分享一些口述比打字好用的场景。
第一个场景是跟AI沟通。比起用键盘打字，口述跟AI沟通反而是更高效的方式。
在打字的时候，我的第一反应是怎么样把这个需求清晰完整地描述下来。但是很多时候受限于我的能力，通过打字我是讲不清楚的。
但是口述的时候，却没有这个问题，我可以用足够长的篇幅去描述。
比如，在进行前端网页开发时，如果我用打字的方式，我会简洁地写下：“我需要一个现代、简洁的个人作品集页面：1.……、2……、3……”
AI根据这句话，可能会生成一个非常标准但缺乏个性的页面，我的内容被手动降噪了，很多细节是缺失的。
但如果我用口述的方式，我就可以进行更丰富的描述：
“我想要一个展示我摄影作品的个人网站。整体风格要极简，有点像苹果官网那种感觉，留白要多，但不要显得空洞。主色调我想用深灰色，然后用一种明亮的橙色作为点缀，比如按钮或者链接的悬停效果。
首页顶部我希望有一个全屏的视频背景，播放我的延时摄影作品，视频上面有一句简短的话，比如‘捕捉光影瞬间’。下面是我的作品展示区，我不想要那种规规矩矩的网格布局，我希望图片大小不一，错落有致地排列，有点像瀑布流，但又不是完全无序，鼠标放上去的时候图片可以微微放大，并显示作品的标题。
对了，我希望网站加载速度一定要快，图片要做优化。哦，还有，字体要用一种看起来比较优雅的无衬线字体……”
在这段口述里，包含了大量看似“废话”的细节、感受和模糊的描述，比如“像苹果官网那种感觉”、“不要显得空洞”、“错落有致”。这些信息对于打字来说可能很繁琐，但对于AI来说，却是理解我真实意图的宝贵线索。
AI可以从这些“废话”中提炼出关键的设计元素、布局要求和交互细节，从而生成一个远比“现代、简洁”四个字更贴近我内心想法的网页。口述提供的高密度信息，能让AI更好地理解和执行我的复杂创意需求。
第二个场景帮助进行内容创作。我们写作的时候最难的是什么？最难的就是写开头。
如果我们把创作的逻辑变成说出来，那这个门槛就低很多了。我们可以像聊天一样把脑海当中的想法随意地讲出来，形成一个口述初稿。
这种初稿哪怕杂乱无章，AI也可以帮助我们无压力地去完成创作，为后期的整理优化提供一个比较好的基础。
而且口述还解决了创作场景，像我现在创作内容的时候，不再是像以前一样坐在书桌前。
我可能在路上想到什么就直接说出来，然后让AI整理出来。边走边创作，甚至在咖啡店里坐着的时候也可以边口述边创作。
今天这篇文章就是我在一家咖啡店里口述创作的。
讲了这么多口述的好处，最后上干货！
给大家推荐我这段时间用下来比较好用的听写口述工具，希望能够帮助到大家。
第一个推荐的口述听写工具是Mac自带的。可以在设置里面打开听写功能，双击Fn键就可以触发。
总体来说这个工具在Mac系统的配置上比较简单，操作也比较无感，整体上体验还是不错的。
另外，我们使用口述时，它还会自动暂停正在播放的音乐，这是大部分第三方软件都做不到的。如果你没有特别专业的需求的话，Mac自带的听写工具就完全够用了。
第二个推荐的是搜狗自带的听写工具。按下快捷键就可以启动，然后输出内容直接生成在文本对话框里面。生成的效果和速度都还不错。
但是唯一一个缺点就是它经常会有bug，会重复输出内容。如果你现在用搜狗输入法的话也可以尝试使用，我自己没在用了。
第三个我要推荐的是豆包自带的听写工具。豆包有一个比较好的优势就是可以识别专业名词，速度也挺快。
但是我一直都用不太习惯它，因为这个东西它是输出在另外一个对话框里面，然后需要再做一次粘贴，我觉得很麻烦，我还是更喜欢直接生成在文本对话框里面。
第四个是我现在用得比较多的这个开源工具——AI-Voice-Typing。这个工具是通过Mac自带的快捷指令实现语音撰写，接入了Gemini的Flash 2.5模型，支持AI语音识别和热词识别。
工作流程先通过剪贴板，然后再粘贴到对话框里面，使用起来不是很方便。胜在识别速度快，也比较精准，整体上轻量化，通过快捷指令设置就可以使用了。
实际使用的话，即使在比较嘈杂的环境下，它的识别度也比较高。像其他一些工具的话，可能在嘈杂环境下识别度就会比较低了。
缺点是需要有Gemini的API服务。如果有Gemini API的话，效果还是蛮好的。这个也是我目前在用的比较多的一个主力工具。
GitHub****地址：
https://github.com/lixiaojie001/AI-Voice-Typing-Shortcuts
第五个是CapsWriter-Offline。特点是识别速度快，真的非常快，毫秒级，一说完然后松开快捷键就可以直接生成内容了。
但是缺点也比较明显，因为是本地大模型，对热词支持一般，就算我把词库输进去了，它生成的内容还是会有一些不太精准的地方。
不过是我目前用下来绝大部分的语音识别工具里面，对热词的识别都不太行。
没有封装好，安装起来很麻烦，不懂的代码的话，学习成本可能比较高。
GitHub****地址：
https://github.com/HaujetZhao/CapsWriter-Offline
最后推荐的是代体，支持热词和豆包的AI识别功能。它别速度也很快，推荐大家尝试，可以去试用一下。目前也是免费的，看自己需求决定是否接入豆包的API。自带了一个迷你的语言大模型，本地够用。
官网地址：
https://daiti.ai/
最后，在AI时代，口述转文字不仅仅是一个工具，更是一种思维方式的转变。它让我们能够更自然地表达想法，更高效地与AI协作，更轻松地进行内容创作。
希望大家都能够掌握这项技能，找到属于自己的表达方式。
喜欢我的内容欢迎点赞分享，下一期和大家分享一下我的口述写作流程，也分享一下，我用的比较好的AI文字整理工具和提示词。
谢谢你看到这里~
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。