从XP时代开始，我就幻想着语音到文本的转换。后来，移动电话能够提前做到这一点，但计算机上的语音输入从未取得进展。

为了能够在PC上使用语音输入，我从2013年到2022年经历了各种硬件和软件，最终找到了最适合PC的语音输入解决方案。

2013年，科大讯飞推出PC版输入法。我以为PC语音输入的时代已经到来，买了一个十多块的小麦克风，试着把语音转换成文字。

但测试结果令人惊讶，语音识别的准确率异常低。即使我把麦克风放到嘴边，我还是录不清楚。超过80%的内容被错误识别。

低识别率让我怀疑麦克风的声音有问题。如果你想打字，你需要换一个更好的麦克风。但由于没有多余的钱，他不得不停止尝试。

几年后，经济比较好的时候，我订购了一款网红录音麦克风Blue Yeti，梦想着这款4位数的麦克风可以带来完美的无线电识别效果。

但事实是，它再次击中了我。

在Blue Yeti的无线电测试中，再次发现大量的噪音，产品在收到当天直接退货。

一个十元的麦克风和一个一千元的麦克风声音效果是一样的，语音输入的识别率很低。这让我猜测，语音输入识别率低与硬件无关，而是PC上的语音输入方案不成熟，这是软件造成的。

说完，我又暂停了在电脑上的语音输入尝试。

讯飞 小麦克风

之后，用了5年的音箱出现了问题。我升级了扬声器，并相应地购买了外置声卡，大大提高了视听体验。在玩的时候，我突然想起了我的语音输入梦，决定再试一次。

有了外接声卡，麦克风的选择就多了，可以连接炮线接口麦克风。

麦克风有两种类型：电容式麦克风和动圈式麦克风。

电容麦音质好，但比较细腻，怕潮怕落，不能用台式话筒支架，适合用悬臂悬挂在空中，每次使用后需要收集。动环小麦的灵敏度和还原度都比电容小麦低，因此不需要储存和使用，成本也更低。

电容式麦克风太笨重了，所以我选择了一个简单的动圈Mix-Schubler PRO248S。

选好麦克风后，配上麦克风架和炮线，连接原装外置声卡，完成语音输出的硬件配置。

讯飞 Blue Yeti

音频硬件做完了，开始折腾语音输入法。

虽然科大讯飞是语音输入领域最著名的品牌，但科大讯飞PC输入法却不被重视，多年不更新。所以，我尝试了其他输入法的语音功能。在测试中，搜狗的语音识别功能并不弱于科大讯飞，缺点是无法设置语音输入快捷方式，整体体验不错。因此，语音输入法更改为搜狗。

但是，一旦我备份了系统设置，我发现搜狗单词数据库高达270,000个单词，其中99%是垃圾条目。即使偶尔输入一次内容，它们也会被输入法记录下来。更重要的是，这次词典不能从云中删除。只要你输入一次，搜狗就会永远记住它。

它不是输入法。这是键盘记录器。

0

语音输入采用开源的Quick Cut，阿里云和腾讯云的商业语音接口。识别率高于free搜狗和科大讯飞。

缺点：语音输入时一直按大写键，不适合长时间的语音输入。不能更改触发器键，并且大写键与我常用的脚本冲突。因此，长时间的语音输入只能通过手机的“Feishu Miaji”进行转录。

[

外置声卡 动圈话筒

]面对快捷切语音输入过长的问题，@李乐推荐微软语音输入——用语音打字说话，而不是在电脑上打字。

微软自带的语音输入快捷方式Win H. 3美元麦克风，50厘米远，很低的声音朗读。

经过测试，发现微软的语音输入确实不错，甚至好到有点吓人。在测试过程中，我不得不走进另一个房间与家人交谈，结果回来发现微软的语音输入也正确识别了对话。

微软的语音输入非常敏感，可以识别远距离和低沉的声音。不用移动麦克风进行语音输入，我可以继续把它放在视野的远角。

Notepad和微信中出现了“语音输入功能在本应用中受限”，但Visual Studio Code中没有出现。其实这个提示并不影响语音输入，一般情况下可以忽略。

虽然微软语音输入的识别率只有85%，低于阿里云解决方案的95%，但系统的优势过于明显，微软语音输入的体验非常流畅。

启动快捷键Win H，语音识别将立即启动。如果你不说话，应用程序会自动暂停，整理之前的输入，并插入适当的标点符号。停止超过一分钟，然后语音识别暂停，等待重新启动。也就是说，微软语音输入可以一键完成长时间的语音输入。

@李乐说的廉价麦克风的语音输入效果我没有测试。然而，微软的输入软件优化是如此之好，基于目前的结果，有可能用一个便宜的麦克风实现完美的声音。总的来说，微软的语音输入是最完美和兼容的语音输入解决方案。

输入法之争

三种语音输入方案：

文章输入：微软语音输入外接声卡动圈式麦克风，兼容性最高，使用方便，但精度一般，用于文章草稿阶段。快切外接声卡动圈麦克风，单词识别精度最高，适合聊天。语音转录：飞书精彩手机，录音转文字，长语音识别率超高。与2018年相比，2022年的语音输入方案有了很大的改进。硬件不再是一个问题，廉价的麦克风与语音输入不相上下。语音识别已经取得了显著的进步。在人工智能技术的帮助下，短句的识别率从90%提高到95%，长句的识别率从50%提高到70%。标点符号可以正确插入。

目前语音输入算法正在提高最后10%的准确率，我们希望达到“听写和键盘输入完全一样”的那一天。