10:43IT之家(博客/媒体)豆包输入法鸿蒙版在App Gallery应用商店开启尝鲜,支持语音输入和多种键盘输入方式,版本号为0.9.1。豆包输入法1.0去年11月上线,支持情境感知引擎和滑行输入增强版等功能。AI产品豆包输入法输入法鸿蒙版推荐理由:豆包输入法鸿蒙版上线,支持多种输入方式,体验语音输入的便捷。原文稍后读已读值得跟进有用关注 豆包输入法
00:09向阳乔木@vista8Raycast V2内测版增加了语音输入功能。该功能支持自定义系统Prompt。用户还能为不同软件设置不同的识别转写风格。识别语言可设定,默认识别率表现良好。AI产品Raycast语音输入MCP/工具推荐理由:Raycast V2内测版加了个语音输入法,还能自定义Prompt和转写风格,比一般语音输入法灵活多了。原文稍后读已读值得跟进有用关注 Raycast
21:45techcrunch@Ivan Mehta语音输入公司Wispr完成2.8亿美元融资,估值达到20亿美元。本轮融资后,Wispr累计融资超过3.61亿美元。公司计划将业务从听写拓展到更广泛的AI交互领域。此轮融资由现有投资方领投,具体资方信息未完全披露。行业Wispr融资语音输入推荐理由:Wispr拿了2.8亿美元,现在总融资超3.6亿,估值20亿。它不只想做语音听写,准备往别的AI方向扩张了。原文稍后读已读值得跟进有用关注 Wispr
23:12向阳乔木@vista8@vista8在X平台发起小调研,询问是否仍在用语音输入法与AI对话,目前有30条回复和25次点赞。调研进一步询问用户使用的具体工具及弃用原因,帖子浏览量达3743次。vista8自述最近语音输入使用得很少。行业X@vista8语音输入推荐理由:有人在X上问大家还用不用语音和AI聊天,顺便收集工具和弃用理由。作者自认用得少了,你在用可以跟帖。原文稍后读已读值得跟进有用关注 X
10:56IT之家(博客/媒体)谷歌在Gboard v18.0.3 Beta版中扩展了Rambler语音转文字功能。Android Authority拆解发现,Rambler可切换标准听写与Rambler听写两种模式。该功能能调用用户现有词典中的词语,并通过Rambler词典记录新学到的口语词。Rambler基于云端模型,同时提供离线模式,离线时仍支持基础标点、语音文本清理和大小写处理,但无法使用高级风格改写。AI产品GboardRambler谷歌1 个信源在谈事件专题推荐理由:谷歌给Gboard的Rambler语音输入加了学习功能,能记住你的常用词,离线也能用基础功能,挺实用。原文稍后读已读值得跟进有用关注 Gboard
02:11bolt.new@boltdotnewBolt官方推特发布消息,宣称语音输入比打字更快。用户可以随意说出不成熟的想法,系统会自动清理。Bolt会去除“嗯”“啊”等语气词和重复内容。用户无需提前整理思路,可以全盘倒出。AI产品Bolt语音输入AI编程助手推荐理由:Bolt出了个有意思的功能,动嘴说想法就行,它会自动帮你删掉“嗯啊”那些废话,适合懒得打长文的人。原文稍后读已读值得跟进有用关注 Bolt
10:42IT之家(博客/媒体)微软8月5日发布VS Code 1.132,内置浏览器新增元素级反馈,用户可用workbench.action.browser.addElementCommentToChat快捷键对网页元素加评论并发送给Agent。终端语音输入支持多语言,默认由设备端处理,使用Nemotron 3.5模型。新增侧边聊天,输入/btw可发起,支持#chat:引用其他聊天。混合Markdown编辑器加入实验性Markdown差异功能,在渲染文档中高亮新增、变更和删除内容。AI产品VS Code微软智能体推荐理由:VS Code 1.132来了,浏览器里能直接给Agent反馈,语音输入支持多语言还能设备端处理,侧边聊天不打断任务,挺实用。原文稍后读已读值得跟进有用关注 VS Code
12:22官方账号arXiv cs.AI@Zizhao Hu, Nathan Elijah Segura, Mohammad Rostami, Jesse Thomason论文提出HIVE(Human Input-Variation Engine)输入扰动测试套件,覆盖语音转写扰动和QWERTY键盘扰动。HIVE实验显示,语音转写扰动让所有被测指令微调模型的准确率下降,成本主要来自转写结构而非填充词。在HIVE的键盘扰动测试里,模型吸收大量QWERTY噪声后准确率才明显下降,两类扰动的影响都取决于问题中token被破坏的数量。七项发现中的第六项指出,思考预算能基本恢复键盘通道的准确率,但对语音转写无效。压缩语音在思考预算下反而更差,该结果来自HIVE的第七项发现。论文HIVELLM语音输入推荐理由:这篇论文用HIVE工具对比语音和键盘输入的扰动,发现语音转写对模型影响更大,键盘错字反而扛得住。想知道输入方式怎么影响LLM表现可以看看。原文稍后读已读值得跟进有用关注 HIVE
08:05GitHub@githubGitHub Copilot 应用新增语音输入入口,点击麦克风图标即可口述提示词。该功能将语音自动转写为文本,用于替代传统键盘输入。官方在 X 平台发布了演示视频,推文已获得 8173 次查看。AI产品GitHub CopilotGitHub编程助手推荐理由:GitHub Copilot 现在能用语音写提示词了,点麦克风就能说,省得打字,适合懒得敲键盘的时候试试。原文稍后读已读值得跟进有用关注 GitHub Copilot
00:51Google Gemini App@GeminiApp77°Google Gemini macOS 应用推出新语音能力,用户可直接对着任意活动窗口说话,实现听写文本、转换选中内容、分析本地文件及生成可视化。该功能支持英文,全球陆续推送,后续将增加更多语言。演示中,用户用语音将纯文本文档重新格式化为含 emoji 的邮件邀请。AI产品GeminimacOS语音输入3 个信源在谈事件专题推荐理由:Google Gemini 在 Mac 上终于能语音干活了——对着窗口说话就能写文档、改文字、做总结,比打字快一截。原文稍后读已读值得跟进有用关注 Gemini
12:17Jerry Liu@jerryjliu072°Andrej Karpathy 分享了一个实用技巧:当不想打字时,可以用语音识别随意唠叨 10 分钟,让 LLM 帮你整理乱糟糟的思路。Jerry Liu 补充说,他曾经这样做但后来觉得变笨了,于是改为手动用要点写下自己的理解。两人都强调通过主动思考来提升与 LLM 协作的效果,而不是完全依赖 AI 替代思考过程。技巧KarpathyJerry Liu语音输入推荐理由:Karpathy 和 Jerry Liu 分享的实操心得,用语音跟 AI 聊天十分钟就能理清思路,比硬打字更高效。原文稍后读已读值得跟进有用关注 Karpathy
03:48elvis@omarsar0精选Andrej Karpathy在推文中分享了一个多模态提示技巧:当用户懒得打字时,可切换至语音输入并进行约10分钟的意识流独白。他观察到LLM能从杂乱语音中重建思路,并以更清晰的形式回应用户的混乱思考。这种方法能提升与模型的理解对齐,减少后续需要修正的内容。Karpathy还建议在开头声明“切换到语音识别,抱歉有错字”以明确模式。技巧Andrej KarpathyLLM语音输入推荐理由:Karpathy教你用语音输入和意识流跟AI聊天,10分钟搞定思路对齐,比打字省力多了。原文稍后读已读值得跟进有用关注 Andrej Karpathy
03:24elvis@omarsar0Andrej Karpathy分享了一个实用工作流:当懒得打字时,切换语音模式,漫谈10分钟(即使语无伦次),LLM能高效还原梳理你的思路,从而改善对齐。转推者指出语音很强,还可结合其他模态(如图像)进行更丰富的提示。该技巧利用语音输入降低“心智融合”门槛,减少后续修正。技巧语音输入多模态提示词工程推荐理由:直接教你怎么用语音跟LLM瞎聊10分钟,它能帮你理清思路,比打字省力多了。原文稍后读已读值得跟进有用关注 语音输入
17:06IT之家(博客/媒体)阿里旗下千问输入法于 7 月 16 日在 App Store 上线 iOS 版,仅支持 iPhone。该输入法基于自研 CosyVoice 语音大模型,语音输入最快达每分钟 300 字,支持粤语、四川话、上海话等 9 种方言及中英混合识别。单次录音最长 3 分钟,可自动过滤“嗯”“啊”等语气词、纠正口误、理顺语序并结构化排版。键盘支持 26 键/9 键切换、智能联想、模糊拼音,且承诺无广告、无弹窗、无需注册。AI产品千问输入法阿里iOS推荐理由:阿里推出了一款纯净的AI输入法,语音转文字能自动润色,纠正口误,支持9种方言,不用注册还无广告。原文稍后读已读值得跟进有用关注 千问输入法
10:57小互@imxiaohuHeyClicky是一款支持屏幕感知的语音输入工具,能将语音转为文字并理解屏幕内容,根据上下文辅助写作。其语音转文字速度约450毫秒。在Gmail中可自动生成邮件回复,在Claude终端可补充追问,在演示文稿中可调用专用技能修改材料。工具还能学习用户的表达习惯,使生成内容更接近本人风格。AI产品HeyClicky语音输入屏幕感知推荐理由:HeyClicky能看懂你屏幕上的内容,直接帮你写邮件、写提示词、改PPT,比普通语音输入聪明多了。原文稍后读已读值得跟进有用关注 HeyClicky
16:28官方一手Pandaily@contact@pandaily.com (Pandaily)阿里Qwen推出CosyVoice输入法App,实现英语语音识别准确率接近100%。该应用集成大模型,可进行智能文本润色。目前已在应用商店上线,支持用户通过语音直接生成高质量文字。AI产品QwenCosyVoice阿里推荐理由:阿里巴巴Qwen出了个CosyVoice输入法,语音识别准到接近100%,还能自动润色文字,打字麻烦的同学可以试试。原文稍后读已读值得跟进有用关注 Qwen
15:22小互@imxiaohu一款智能戒指可实现小声低语自动语音输入,无需高声说话。触摸戒指即可进行编辑,通过手势(如轻弹手指)可在不同应用、设备和AI间快速切换。单次充电续航达16小时,原生支持iPhone、Mac、Vision Pro等苹果设备。该产品由@xiaohu在Twitter上介绍,定位Vibe Coding场景。AI产品智能戒指语音输入手势控制推荐理由:不想大声说话也能打字?这个戒指让你低语就写完内容,还能手势切应用,续航顶一天,苹果全家桶用户尤其值得看看。原文稍后读已读值得跟进有用关注 智能戒指
12:11IT之家(博客/媒体)阿里千问输入法 macOS 版今日上线官网,语音输入速度最快达 300 字/分。内置 AI 自动润色功能,可对口语内容去语气词、纠错、格式化整理,支持 9 种方言。千问预告 iOS、Android、Windows 版将于近日发布。该输入法是独立 App,区别于此前作为千问 App 组件的语音输入功能。AI产品千问输入法阿里macOS2 个信源在谈事件专题推荐理由:打字累?试试千问输入法 macOS 版,说话秒变文字,300 字/分,还能自动润色,支持 9 种方言,纯净无广告。原文稍后读已读值得跟进有用关注 千问输入法
16:16berryxia@berryxiaVoicenotes将其语音输入功能升级为iOS系统级键盘。更新后,用户可在微信、邮件、笔记、评论区等任意输入框使用该键盘,语音实时转文字。这使得Voicenotes的转录和智能处理覆盖整个iOS系统,而非仅限App内。相比之前仅在Voicenotes App内使用,此次更新显著提升了语音输入的实用性和入口价值。AI产品VoicenotesiOS语音输入推荐理由:Voicenotes把语音做成了iOS系统键盘,现在你在任何App里都能直接说话转文字,超实用!原文稍后读已读值得跟进有用关注 Voicenotes
03:24GitHub@github精选72°GitHub Copilot CLI 推出新功能:支持设备端语音转文本模型,开发者可直接用语音向 Copilot 下达指令。同时内置 Rubber Duck 代理,利用第二个模型帮助发现代码盲点。两项功能现已正式可用。AI产品GitHub CopilotCLI语音输入推荐理由:GitHub 给 Copilot CLI 加了语音输入和自动查漏的橡皮鸭,调试省事多了。原文稍后读已读值得跟进有用关注 GitHub Copilot
08:00Google Gemini App@GeminiAppGemini 桌面应用新增语音输入功能,用户可直接通过语音在桌面工作流中操作。该功能能识别原始文档中的内容,并自动将其转换为格式化的邮件邀请等文本,支持跨应用无缝操作。这标志着 AI 助手从键盘输入向语音交互的重要演进,提升了多任务处理的效率。目前该功能已在 Gemini 桌面端上线,用户可体验更自然的交互方式。AI产品Gemini语音输入桌面应用推荐理由:语音输入让桌面工作流更高效,经常在多个应用间切换的办公族可以直接用语音完成文本转换和格式化,省去手动复制粘贴的麻烦。原文稍后读已读值得跟进有用关注 Gemini
20:04IT之家(博客/媒体)阿里云宣布 QoderWork 正式上线设计工作台(Design Desk),支持语音输入,用户可通过语音描述需求在无限画布上获得可运行、可编辑的设计产物。该工作台内置一百多种风格参考与数十个设计技能,实现了设计即代码,设计产物可一键交付至 Qoder IDE 等开发工具。它通过 Questions、Design Plan 和 Nudge 三个机制重构了 AI 生产设计流程,降低无效迭代,确保方向对齐,并支持参数化微调。该工具面向设计师、产品经理和市场运营,分别解决了传统流程中的反复导出修改、高保真原型制作周期长、多场景物料交付效率低等问题。AI产品阿里云QoderWork设计工作台推荐理由:QoderWork 设计工作台把语音描述直接变成可交付的设计稿,解决了设计师、产品经理和运营在传统流程中的反复沟通和低效迭代问题,做 UI 设计或产品原型的人可以直接用语音试起来。原文稍后读已读值得跟进有用关注 阿里云
15:51官方一手歸藏(guizang.ai)@op741870°谷歌在安卓 I/O 大会上发布了 Gemini Intelligence,这是本次大会最大的 AI 相关发布。该功能将率先在三星 Galaxy 和 Pixel 手机上推出,后续扩展至所有安卓设备。核心功能包括跨应用自动完成繁琐任务(如将备忘录购物清单加入购物车)、Chrome 浏览器自动检索总结内容并填写表单、以及名为 Rambler 的语音输入功能,可自动将口语转为文本并去除语气词。最引人注目的是支持通过自然语言生成任意桌面小组件,例如每周食谱推荐或自定义天气数据组件。此外,谷歌还发布了 Material 3 Expressive 设计语言,组件在交互时边界会虚化模糊,视觉效果出色。AI产品Gemini Intelligence跨应用操作AI小组件推荐理由:跨应用自动化和AI生成桌面小组件解决了日常操作繁琐和个性化需求,安卓用户和开发者可以直接体验这些新功能,建议关注后续适配。原文稍后读已读值得跟进有用关注 Gemini Intelligence
17:19官方一手歸藏(guizang.ai)@op7418本文对比了移动端和桌面端语音输入法的设计差异。作者指出移动端语音输入法必须配备全键盘以方便用户编辑,而桌面端语音输入法则最好与输入法解耦以实现更灵活的交互。Typeless犯了移动端无全键盘的错误,豆包则犯了桌面端与输入法耦合的错误。AI产品语音输入产品设计Typeless推荐理由:观点鲜明地指出了主流语音输入产品在设计上的关键误区,对产品设计和用户体验优化有参考价值。原文稍后读已读值得跟进有用关注 语音输入