一条“小红书 10 天涨粉 3 万”的笔记背后，其实是 AI 在操盘：先用 ChatGPT 批量生成 100 个爆款标题，再用 Midjourney 秒出封面图，最后让剪映一键成片。作者在 48 小时内跑通这套“AI 内容工厂”，把创作成本打至原来的 1/5，却把互动率抬高了 4 倍。

小红书的语音评论区功能，已经内测上线一个月左右了。当我看到人们又一次因为听到真人语音而变得开朗而疯狂时，一下子搞不清是今夕何夕。

被图文“封印”了若干年的小红书笔记评论区，在语音的加持下，很快就变成了各地方言教学区和Cosplay秀场——搜索任意“省份或地名+语音”，评论区都有当地老乡主动成为你的方言多邻国老师；人人仿佛都成了国家一级配音演员，用十八般武艺演绎着甄嬛、太监、蜡笔小新等角色；全民K歌里的麦霸也得以在语音评论区一展歌喉，唱得好的受到一众夸赞，唱得差的也毫不害羞只为博君一笑……

可以说，但凡是你想听到的语音，只要提出需求，就大概率会有热情网友满足你。当今国内互联网始终追求的“活人感”，正在被一个小小的产品功能激活。

奇怪的语音需求数不胜数。图源小红书

伸向语音社交的触角

这样的场景其实似曾相识。

抖音也曾对语音评论功能进行测试，但范围不大，实验最终并未推全。2021年春节，海外社交应用Clubhouse以语音实时聊天的形态，在国内小圈子中一度爆红，但当时访问不稳定，本土竞品也没发展成熟，这样的社交方式最后并未进入大众圈层；再往前追溯便是以社交起家的微信，我至今还记得六七年前那个“五百人互骂群”语音对喷的壮观景象。

我们总是对聊天室和类聊天室形态的产品祛魅又重复赋魅。小红书评论区也不例外。

语音聊天增进了用户间的亲昵感。图源小红书

聊天，总需要一个主题。对于纯社交软件来说，不同的兴趣圈层组成的群聊可以构成主题；电竞垂类下的TT语音和YY语音等，是建立在服务游戏玩家的功能性上的社交；而过去的抖音和现在的小红书，不约而同地选择在评论区试水“声音社交”，因为它们本身便是强大的内容平台，对社区内容的讨论和二次创作，也足以成为社交的主题。

可为什么是声音？去评论区看看发语音的大家伙的精神状态就知道，现在网友们推崇的“活人感”基本可以分为两种状态：平静时淡淡的“死感”，和戏精上身时不顾一切的“疯感”。这样微妙的情绪，能用文字精准表达的部分实在有限，但声音可以传递更多。

听不到语气的文字显得有些苍白。图源小红书

所以DeepSeek说：耳朵已经成了新的社交器官。在我们越来越彼此隔绝的当下，听到真实的声音，起码能确认对面不是AI或自动回复机器人。并不是每个人都能通过文字精准地表达自己的情绪，这也是为什么大家总说情侣用文字聊天更容易吵架，为了赋予文字以情绪，大家甚至习惯不厌其烦地给每句话加上“~”，用“okkkk”“好嘟”这样的词语来证明自己的友善。但每个人都有他独特的说话语气，可以在文字内容外，让信息的接受者能再多感觉到点别的东西。

其实小红书对于单纯的语音评论，大概也持有保留态度——它看上去太像微信群聊里的一条条未读语音了。于是，每一条语音评论下方也都伴随着由AI转换的文字，这个看上去微不足道的自动文字转换，可以有效地隔绝“脏话党”和“乱叫党”，让每一条用户选择点开的语音都不至于太过离谱。

实现评论区的语音互动，也需要技术的支持。从年初小红书FireRed团队发布的FireRedASR语音识别模型中能看到，当时该模型便具备了很强的方言、歌词识别能力，这与文章开头提到的教方言、展示歌喉的案例不谋而合。也许小红书在很久之前，就已经做好了将触角伸向语音社交的准备。

小红书的AI可以识别粤语等方言和吉他弹唱

探索当下年轻人的社交尺度

语音评论也是一把双刃剑。在单位时间内，人们看到的文字信息密度会比语音更大。语音更适合模仿、整活儿、表现情绪，而文字则更严肃，更适合表达观点和逻辑论述。但在图文信息日趋繁杂，很多评论区内容只有一两句话甚至几个emoji的今天，似乎用语音代替短文字，也不是一件不能接受的事。

尤其在AI时代，智能生成的图文已经在全互联网蔓延，随便刷几条帖子，就有可能碰到一条疑似AI的文本，点开评论区，果然也有其他人类感受到了微妙的差异，锐评：“AI编的吧。”评论区的语音，不只是一种社交方式，也是社区里的活人们确认彼此存在的回音。

热闹的语音整活，是社区里的一针强心剂，但同时也是对用户的挑战和筛选。已经开始有人在小红书上发帖表示，不喜欢新的语音功能。

“个人更喜欢文字留给人思考的空间，类似于一种互联网社交距离吧。有的时候忍不住好奇点开就感觉被气泡音的口水喷到耳道了。”有网友这样表示。

喜欢发语音的被调侃为“露音癖”，图源小红书

反对的声音，会让喜欢发语音的人更团结在一起。根据不完全观察，目前的小红书评论区，大有“语音帖”和“文字帖”割据的态势，文字评论区基本上没人发语音，而语音评论区内的文字党则形容自己像“误入了别人的微信对话”，像I人走进了E人的聚会……

用户们都在凭着自己的偏好，选择着适当的社交边界。当然，在不同的时代，人们的边界感也是不同的。

曾经给家人朋友直接打手机电话是无比正常的事，而现在，但凡接到没打招呼的家人电话或微信视频，总觉得有点什么坏事，越来越多人也不愿意接听陌生号码甚至外卖提醒——打电话，对于现代人来说已经成了一件相对隐私且门槛较高的社交方式。

而对于小红书这样的在线社区而言，选择为用户提供什么样的社交方式，必定会存在尺度上的考量。发语音相比于文字，无疑是更打破边界的，也是更自我暴露的，甚至对于平台来说可能是风险更大的。

小红书对于内测用户的选择相对严格

社交平台对于语音的介入，都颇为小心谨慎。大平台更多以内测的方式进行着小型实验，而以语音社交起家的中小平台，则各安一隅地在垂类赛道上运行，有点互不打扰的味道。归根结底，语音社交的具体内容，还是与平台的用户画像和心智强相关，平台的原生内容越丰富，语音社交的内容潜力越大，当然也就越不好掌控。

站在用户的角度，大部分人一开始使用小红书，正是因为它的趣味性和“活人感”。但在内容平台的商业化过程中，不可避免地要消耗它的内容调性。当带货种草的内容越来越多出现在推荐流中时，用户们迫不及待地想找回和“真人”交流的感觉，在这一基础之上，语音评论区的大受欢迎也就顺理成章了。

怎么让更多人“有话可聊”？

想象你那个经常劈头盖脸就给你甩来好几条微信长语音的朋友——如果他一直发语音，而你一直发文字的话，我想这肯定不是长久之计。

尽管评论区内AI自动的语音转文字，很大程度上弥合了二者之间的交流鸿沟，但本质上，这依然是两个截然不同的语言游戏。使用文字的用户更客观抽离，像水瓶座的编剧；而使用语音的用户常常沉浸入戏，像狮子座的演员。

当然，我们在现实中和互联网上往往是两副面孔，线上的E不一定是真E。但当下年轻人的现实社交氛围是可被感知的：人人都在趋于自我保护般地收紧外壳，不愿也不必过多暴露内心。那么偶尔在评论区当下“露音癖”，完全是个在尺度范围内释放情绪的合理选择。

一段段语音评论，就像是十几秒的脱口秀。在这十几秒的表演中，你不需要再伪装自己成熟稳重，只需要成为这场评论区在线play（play，指戏剧）的一环，演好自己或东北人或台湾人或北京孩子的那个分配好的角色。你会发现，语音评论区的网友们对于别人的才艺展示都格外不吝赞美，彼此鼓励着，告诉对方“爱听，多发点”。

这几天我还没刷到任何一条语音差评

我们也见过社交平台这样的发展走向：内测期间人数少，氛围融洽；但随着用户越来越多，讨论变得鱼龙混杂，劣币驱逐良币，导致最早一批核心用户的流失，内容也开始向抽象发展。在这样的规律下，如何保持源源不断的内容生命力？毕竟在语音评论功能上线一个月后，即使是这批热情的内测用户，也并未开发出太新的玩法——此刻的评论区话题虽然不同，但依然停留在模仿和才艺展示的层面。

在小红书，社交是由内容驱动的，但本质上还是由人驱动的。怎么让更多人在评论区“有话可聊”，让评论区成为比本身更有趣的内容，是一个很大的挑战。

现在小红书语音评论区给人的感觉，像是一个个荒诞不经的知乎回答，也像是更轻量的微信公众号主题UGC。它们之间的共同点是，发帖人/创作者不再需要主导内容，而只是提出一个话题，便能引发相当广泛的讨论和参与。

这就是一个才艺展示时刻。图源小红书

一个人的内容需求并不是社交需求，但他的社交需求却是某种程度上的内容需求——即使是线下交友或聚会，我们也会选择有幽默、友善、包容、自由特质的同伴，他们往往愿意倾听，并总是能对你的发言，给出让人意想不到甚至捧腹大笑的回复。换句话讲，当你选择一次社交时，同时也是选择这个社交对象反馈给你的内容。

这也正是“聊天室”的形态如此生生不息的原因。俗话说得好，一千个人有一千种不同的发癫方式。当每个人都愿意在语音评论区当几秒钟演员，转头又在另一个帖子下以倾听者的角色出镜，就这样献身于评论区热闹的表演事业中，给虚弱的内容生态多带来一点欢乐，让各自孤单的年轻人多一点连接，就已经是功德一件。

在这个时代，每个人不一定有15分钟的成名时间，但一定可以有15秒钟的E人时刻。