我從小就不喜歡當眾發(fā)言，覺得自己缺少一些“急智”，沒有辦法出口成章，經常說到后面就忘了前面—用大語言模型的評估標準來說，就是上下文窗口太小。寫字就不存在這個問題，寫出來的東西在要拿給別人讀之前，總是有充分的時間可以反復推敲的。所以，我更喜歡寫作而非演講。

　　“演講”這個詞聽起來頗為嚴肅，實際上在我們的當代日常生活中卻有著廣泛的應用，其中最常見的就是微信的60秒語音消息。對我來說，要一口氣說60秒話且說得滴水不漏是一件很可怕的事情，所以除非走投無路，我從來不發(fā)語音消息。偶爾用語音輸入，也要轉成文本，仔細編輯后才發(fā)送出去。

　　有時候確實沒那個條件。寫東西需要把想法整理清楚，這是寫作的優(yōu)點，也是缺點。當靈感閃現(xiàn)，可能是洗澡、上廁所時，也可能是開車、散步時，又或者是清晨醒來、半夜驚醒的瞬間。先不說這些靈感迸發(fā)的時刻是不是方便打字，假如每個想法都必須整理清楚才有資格被記錄，那絕大部分的靈感早就消失無蹤了。

　　過去也有很好用的語音備忘錄產品，例如“錘科殘黨”們念念不忘的、錘子手機上的“閃念膠囊”，我以前也經常使用，它可以將語音輸入即時轉換為文字筆記。不過，寫作和口述是兩種挺不一樣的表達方式，寫作需要連貫的思考和邏輯，而我們的思維往往是跳躍和碎片的。因此，雖然語音轉文本的技術在移動互聯(lián)網的時代早已成熟，將語音轉換為文字內容時能做到95%的準確率，記錄下來的內容若不經處理，往往可讀性很差，保留了所有口頭表達的缺陷。如果你閱讀過播客音頻轉化出來的逐字稿，應該會有類似的感受。有些名人的演講，看視頻、聽錄音都非常引人入勝，一旦印出來變成書卻讀之索然無味，也是這個道理。

　　久而久之，我就不用語音記錄了，畢竟我確實無法做到連續(xù)五分鐘條理清晰地闡述一個主題。

　　拜大語言模型所賜，從2023年開始，國內外都出現(xiàn)了AI語音筆記這種新的產品形態(tài)。和傳統(tǒng)的語音備忘錄不同，AI語音筆記不僅可以將語音轉為文字，在這個基礎上往往還會自動整理、潤色和提煉要點等。

　　早期國外的此類產品多為獨立開發(fā)者開發(fā)，如AudioPen、Voicenotes和Cleft等，可能是為了更好承接用戶的已有需求，也覆蓋了會議筆記、采訪記錄、課堂講座錄音等長錄音場景，支持的單次錄音時間從15分鐘到90分鐘不等，甚至也有支持無限時長的。可以理解，對專業(yè)用戶來說，將動輒幾個小時的錄音一鍵整理成紀要，節(jié)約下來的時間更肉眼可見一些。

　　然而，我覺得強調這些場景，反而模糊了AI語音筆記對普通人的真正魅力：捕捉思維碎片。

　　想象一下，你一邊洗澡一邊對著智能手表（注意選購防水的）說出一連串零散的想法，AI將其自動整理成文，等你洗完澡的時候就能在手機上看到一篇邏輯通順、行文簡潔的文字，這才是“出口成章”的體驗。從“說話”到“成文”，這種飛躍帶來的表達的流暢感，也會讓你在輸出思維碎片時更加自如。你會相信，不管你怎么說話，AI都會努力將最終呈現(xiàn)出來的文本變得清晰、易讀，自己日后回顧也會非常方便。

　　將AI比喻成私人助理反而限制了其中的想象力。正如我以前提到過的，AI的價值不僅是取代已有人類的工作，更大的想象力是讓這些博士水平的助理來做你以前根本想不到可以雇人來替你完成的事情。過去，即使有助理，我也不好意思讓助理隨時記錄每天這些零零碎碎的所思所想，更別說上面的某些場合并不方便有其他人在場……

　　這種表達的流暢感給我?guī)砹饲八从械淖杂筛?。我自認英語還不錯，但自從發(fā)現(xiàn)和ChatGPT類產品溝通時可以完全不顧及單詞拼寫、單復數、時態(tài)，我享受到了前所未有的英語表達的順暢感，我管這個叫“語法自由”。今天，AI語音筆記也讓我至少在AI面前實現(xiàn)了“說話自由”：不必字斟句酌，想到什么就說什么，可以坦然接受自己口齒不清、前言不搭后語……反正總是可以“出口成章”的。

　　這樣子一來，至少對我來說，語音輸入的門檻終于降到比文字記錄更低了—前提是沒有他人在場。

　　實際上，作為一個嘗試，這篇文章的草稿就是由我對AI口述完成的，錄制素材的時候我完全是想到哪里說哪里，東一點西一點。AI先把這些片段整理為一條條筆記，我再將這些筆記作為素材全部復制粘貼給大語言模型，整理成邏輯通順的提綱（經過對比，Claude 3.7 Sonnet交的作業(yè)勝出），然后我在模型完成的初稿上自己繼續(xù)修改、潤色。所有的思考仍然出自我本人，AI更像是一位幫助整理和連接的記者。

　　說到記者，有一個叫Autobiographer的App就將這個體驗做到了極致。這是一位做過記者的投資人向我推薦的產品，是一個AI“傳記記者”，可以幫你寫自傳。開始“采訪”后，屏幕上會顯示它問你的問題，你用語音回答就可以。大多數人都沒有被記者采訪的經歷，更別說是一個私人的傳記作者，對我來說，這個“記者”問的問題是及格的，至少我愿意花點時間去回答。當然，我和人類記者說話時可不敢如此“說話自由”。

　　我斷斷續(xù)續(xù)錄了一個小時，積累了大概5000個單詞。這個App要積累到5萬個單詞才可以生成完整的“自傳”，但你也可以在這個過程中翻閱“記者”的筆記本。我看了一下，目前為止它對我第一段創(chuàng)業(yè)經歷的記錄還是挺完整的。

　　暫且不論有多少人想給自己寫傳記，這個產品讓我想到，AI語音輸入的體驗可能確實需要一些不同的包裝，才能幫更多像我一樣的用戶克服對語音記錄、說大段獨白的恐懼。自傳是將零散的記憶和故事組織成連貫的敘事，接受記者采訪，回答記者的問題，要比“獨白”更好理解，也更容易。當你接受采訪時、正常情況下也不必擔心回答的每一句話都會原封不動地印出來，一定是會被經過調整、潤色的，這個體驗很相似。

　　若想用語音來記錄碎片想法，今天市面上確實還沒有很理想的產品。一方面，前面提到，大部分產品要考慮會議錄音等時間更長的場景，默認會顯示至少5分鐘的進度條，需要用戶一氣呵成，即使中間可以暫停，使用壓力還是挺大的。

　　另一方面，AI潤色的力度也不容易平衡。做得太少，用戶不容易感受到產品價值，但一不小心做得太多，也會讓你覺得最終呈現(xiàn)的不再是自己的想法，而是AI的。理想狀態(tài)下，AI應該在語音轉文字的基礎上，自動去除“嗯、啊、呃”等語氣詞，將邏輯不通順的地方改得通順，把碎片化內容整合成完整敘述，刪除冗余和重復的語句，就可以了。比如，有時候AI會用對我來說陌生的詞匯來總結我的想法，或者擅自回答筆記中類似“宇宙的終極意義是什么”這種自問自答的問題，這在我測試的AI語音筆記產品中很常見。筆記試圖捕捉的是自己的思考，是給未來的自己看的，AI越俎代庖、替用戶進行了思考，就是個不好的使用體驗了。

　　也不需要追求什么“原汁原味”，人會使用工具，工具也會塑造人。過去人們確實習慣了“深思熟慮再記錄”，但假如完全按照用戶過去的習慣來設計產品，用戶的行為就無法進化。舉個例子，人們開始用數碼相機拍照后，不會再有使用膠卷時的儀式感；工具換成手機后，拍照更是一件可以隨手做的事情。廢片是變多了，但記錄下來的生活瞬間也變多了，整體記錄的豐富度大大提升。與之類似，AI語音筆記如果可以讓你更頻繁、更碎片化地記錄想法，即使其中大部分想法都會被扔掉，能被記錄下來的有趣的想法仍然會比原來更多。就和如今的計算攝影技術已經模糊了“原圖”的定義一樣，AI應該起的作用是將人的思考提取、整理出來，真正有價值的是思考本身，而非表達的原始形態(tài)。

　　不管是口述還是寫作，人的語言是非常局限的，對于內心豐富的流動的想法的表達更是如此。假如AI語音筆記可以降低自我表達的門檻，捕捉更多我們的想法，這就是很大的價值。

　　當然，這不見得是一個創(chuàng)業(yè)的好想法。

關注讀覽天下微信， 100萬篇深度好文， 等你來看……