加州: 硅谷正流行"氛圍辦公":不敲鍵盤對著電腦嘰嘰咕咕

2026-05-24 | 來源: DeepTech深科技 | 轉到微信 | 有0人參與評論 | 字體: 放大縮小 | 收藏 | 打印

這個春天開始，硅谷的辦公室裡，敲打鍵盤的噠噠聲正在被嘀嘀咕咕的人聲取代。

有風險投資人調侃，現在去硅谷的 AI 創業公司拜訪，感覺像走進了一個高端呼叫中心，只不過所有人都在跟 AI 聊天：員工們戴著電競耳機坐在工位上，對著麥克風發號施令。

這股風潮還有個名字，叫“voicepilled”——語音覺醒。

LinkedIn 聯合創始人 Reid Hoffman 在 2025 年秋天的一篇帖子裡首次宣稱自己被“voicepill”了。他寫道：“被voicepill 的那一刻，就是你意識到一旦認真用語音與技術交互，就能解鎖一種全新的能力放大方式。”這個詞借用了《黑客帝國》裡紅藍藥丸的隱喻，吞下這顆“語音藥丸”，你就會看到一個不同的生產力世界。

語音輸入本身倒不是什麼新鮮事，蘋果的 Siri 聽寫、Windows 語音識別、甚至更早的 Dragon NaturallySpeaking 已經存在了很多年。但過去這些工具的體驗非常折磨人：識別率低，標點混亂，一句話說了三遍都不准，最後還不如自己打字。

真正的轉折點是大規模 AI 語音模型的成熟。2022 年 OpenAI 發布了 Whisper，一個基於 Transformer 架構的開源語音識別模型，用 68 萬小時的多語言音頻數據訓練而成。Whisper 的出現把語音轉文字的准確率拉到了實用門檻之上。

而在此基礎上，新一代聽寫工具例如 Wispr、Aqua Voice 等邁出了更關鍵的一步：它們不只是把你說的話逐字記錄下來，還會用 LLM 對輸出進行“潤色”，自動刪除“嗯”“啊”之類的填充詞，修正語法，調整句式，甚至根據你正在使用的應用場景來適配語氣和格式。

整個過程延遲通常在一到兩秒之內。部分工具還支持“命令模式”，用戶可以用語音指令來編輯已有文本，比如“把上一段改成更正式的語氣”或者“刪掉最後一句”。

這種工作方式之所以讓人興奮，有一個很直觀的原因：人說話的速度大約是打字速度的三倍。

白天太陽能、晚間用電池加州電網重塑意味著什麼?

加州橙縣有毒化學品儲罐泄漏 44000人已被疏散

美國南加州化學槽爆炸危機州長下令5萬人撤離

對於英文使用者來說，普通人的打字速度在每分鍾 40 到 80 個英文單詞之間，而正常語速大約是每分鍾 130 到 150 個單詞（中文使用者的打字速度大概在每分鍾 80~100 字左右，而語速大約是 200~250 字之間）。

對於那些工作內容主要是“把想法變成文字”的人，比如寫郵件、寫文檔、寫代碼提示詞，這意味著理論上可以把產出速度提升兩到三倍。一些重度用戶聲稱自己的文字產出確實翻了幾番。

更有意思的是，語音聽寫正在和另一個熱門趨勢合流：vibe coding（氛圍編程）。這個由 Andrej Karpathy 在 2025 年初提出的概念，指的是開發者不再逐行寫代碼，而是用自然語言描述需求，讓 AI 編程工具（如 Claude Code、Codex）來生成代碼。而當 vibe coding 遇上語音聽寫，開發者甚至不需要坐在電腦前打字。他們可以一邊踱步一邊口述需求，聽寫工具把語音轉成文字 prompt，再由編程 AI 把 prompt 轉成代碼。Wispr 的創始人 Tanay Kothari 說，他們的員工現在就是在辦公室裡走來走去，對著電腦說話，不用再把思考的過程綁定在桌前。

據媒體報道，一些最狂熱的用戶甚至購買了可編程腳踏板，一種原本屬於游戲外設的東西，踩一下就能激活語音交互功能；還有人在桌上架起鵝頸麥克風，就是體育解說員和牧師用的那種可彎曲話筒，離嘴更近說話更省力；Wispr 公司內部則流行把無線領夾麥別在襯衫上，員工們像是隨時在錄播客。這家公司甚至計劃之後向客戶銷售品牌麥克風。

資本市場顯然對這種新的“vibe working”方式十分歡迎。成立於 2021 年的 Wispr，最初的方向是做腦機接口可穿戴設備，後來轉型做語音聽寫工具。據媒體報道，2025 年 11 月 Wispr 的估值約 7 億美元。而到了 2026 年 5 月，Wispr 的目標估值已經飆升至 20 億美元。一個聽寫應用估值 20 億，足以說明了市場對“語音取代鍵盤”這件事的看好程度。

於是，競爭也開始變得激烈。同類公司 Aqua Voice 和 Willon 都拿到了 Y Combinator 的投資，初創公司 TalkTastic、Typeless、Superwhisper 各有擁躉。科技巨頭也沒閒著：在 2026 年 5 月的 Android Show 上，谷歌發布了 Rambler，一個內置於 Gboard 輸入法、由 Gemini 驅動的聽寫功能，能把用戶雜亂的口述自動整理成通順文本。當平台級玩家入場，獨立應用的生存空間會被如何擠壓，仍有待觀察。

此外，這股新的技術趨勢面前，還存在一些現實的門檻。

首先是硬件層面的局限。目前主流的 AI 聽寫工具大多是 Mac 優先甚至 Mac 獨占的。Wispr Flow 和 Superwhisper 支持 Mac，Aqua Voice 長期以來僅限 Mac 平台（近期才開始支持 Windows），TalkTastic 則是 iOS 和 Mac。而在企業環境中，Windows 仍然是絕對主流操作系統。醫療、法律、政府、金融行業尤其如此。