AI语音识别技术引领未来交互方式，语音输入与语音转文字如何改变人机沟通？

以下是根据您提供的，经过人工风格整理、处理、并优化SEO结构后的文章，适合用于网站发布或SEO优化使用。

## （由多段落组成）

在2025年7月16日，语音识别初创公司 Willow Voice 宣布完成了一笔420万美元的天使轮融资，领投方为知名创业加速器 Y Combinator（YC）。而在更早一些的6月25日，另一家语音输入领域的新兴企业 Wispr Flow 也刚刚完成了高达3000万美元的A轮融资。这两笔融资的接连公布，似乎在向外界释放出一个信号：AI语音识别赛道正在迎来新的资本关注，尤其是语音输入方向。

在过去几年中，AI语音技术的融资多集中在语音合成领域，也就是“语音输出”技术。例如，语音合成领域的领先企业 ElevenLabs 在2025年1月完成了C轮融资2.5亿美元，公司估值超过30亿美元。然而，最近的融资动向表明，专注于语音“输入”技术的初创公司也开始受到投资人的青睐。

语音输入技术并不新鲜，为何还能吸引资本？

尽管语音输入的概念早在2012年就已经出现，比如苹果在iOS 6中首次推出语音听写功能，微信也在2019年为iOS用户上线了语音转文字功能，但如今的语音识别技术已经进入AI深度优化阶段。Willow Voice 和 Wispr Flow（以下简称 Willow 和 Flow）专注于自动语音识别（ASR）技术，它们的产品类似于“语音输入法”，用户只需按下按钮，即可将语音实时转化为文字。

从技术层面来看，语音转文字的错词率（Word Error Rate，简称WER）是衡量语音识别模型性能的重要指标。根据 VoiceWriter.io 在2025年2月发布的测试数据，在非格式化文本场景中，大多数语音识别模型的错词率已经控制在10%以下，接近人类水平。但在需要识别大小写和标点符号的格式化文本场景中，错词率平均上升了10%左右。

用户需要的是“零编辑”体验

尽管AI模型在非格式化文本中的表现已经相当不错，但Flow的创始人Tanay Kothari指出，即便错词率低至1%以下，用户仍然无法完全信任语音转录结果。因为即使是微小的错误，也可能影响信息的准确传递。此外，口语与书面语之间的差异也使得用户在使用语音输入后仍需手动修改和优化。

为此，Flow 和 Willow 在传统的语音识别基础上，加入了“文字处理”环节，目标是实现“零编辑信息”。具体来说，这一处理流程包括：

1. 格式化输出：如正确断句、去除语气词；
2. 上下文理解：例如纠正口误、识别情绪；
3. 语境识别：根据不同使用场景（如邮件、笔记、对话）输出不同风格的文本。

从目前的测试结果来看，OpenAI 的 Whisper 模型仅能完成第一层处理，而 Flow 和 Willow 则可以做到第二层，但第三层语境识别仍有待提升。

多场景测试对比：Flow、Willow 与 Whisper

为了验证这些语音输入工具的实际表现，我们设定了三个典型办公场景进行对比测试：

场景一：待办事项清单（To-do List）

一位团队负责人在通勤途中通过语音记录当天的工作任务。测试结果显示，Flow 和 Willow 都能根据“首先、第二、第三”等提示词进行分段，输出更接近待办事项格式，而 Whisper 虽然添加了标点，但未进行分段，且出现了冗余。

场景二：专业术语备忘录

在一次财报点评会前，分析师通过语音总结重点。尽管三款产品在“摊薄风险”等术语上都出现识别错误，但 Flow 的整体表现略优，错误率相对较低。然而，三款产品均未能有效修正口语化表达或合并逻辑相似的。

场景三：客户邮件回复

用户在机场口述回复客户邮件的。Flow 和 Willow 都能识别邮件格式并进行分段，Flow 在语气词替换（如“到时候”改为“届时”）方面表现更佳。但整体邮件仍显口语化，需用户手动调整后方可发送。

综合来看，尽管 Flow 和 Willow 在“零编辑”目标上尚未完全实现，但其语音识别与文本处理能力已经明显优于传统模型。

用户反馈与市场表现

尽管产品尚未完美，但 Flow 的市场表现却十分亮眼。根据官方数据，Wispr Flow 的用户规模月环比增长超过50%，活跃用户留存率达到80%，付费率高达19%，年收入（2024年7月至2025年7月）达到380万美元。Reddit 和 Product Hunt 上的用户反馈也显示，Flow 在非正式场景中表现良好，尤其在与 Cursor、ChatGPT 等工具结合使用时，体验非常流畅。

语音输入的未来潜力

虽然目前语音输入工具在专业场景中仍存在短板，但随着大模型技术的持续进步和训练数据的不断积累，这些产品的表现有望进一步提升。Flow 的创始人认为，一旦语音输入的准确性达到用户信任的程度，它就有可能成为替代键盘的新一代人机交互方式——即“语音操作系统”。

这也正是风险投资机构愿意重金押注这一领域的核心原因：现实中的效率提升 + 未来人机交互方式的颠覆性变革。

##

本文来源： 白鲸出海公众号【阅读原文】