2026年语音输入法与软件推荐：7款免费、付费应用对比

先看结论：对于学生、职场人士和旅行者，我首先推荐JotMe，其次是Wispr Flow、Granola、Handy、Microsoft Dictate、Dragon Professional和Google Docs语音输入。

好的语音输入应用，应该把说出的话变成不用修改就能发送的文字。但不少语音输入软件仍会留下口头填充词、漏掉句号，最后还得自己清理。

我在MacBook Pro上脱稿讲话，保留平时的“uh”和重新起句，再统计最终输入的内容。这是使用流程观察，不是控制变量的准确率基准测试：Granola测试的是实时会议转录，而非独立的Voice Typing功能；Microsoft Dictate关闭了自动标点；Dragon仅支持Windows，因此依据文档评估，没有上机测试。

各款语音输入应用的表现如下：

• JotMe：125个单词、15个标点、没有填充词，Mac和Windows上还可进行语音输入翻译。Translate模式把51秒英语发言转成120个单词的墨西哥西班牙语。它是我对多数人的首选推荐。
• Wispr Flow：正常工作时，句子干净、流畅，但5次输入中有2次结果为空。
• Granola：边说边显示文字，能正确识别“H-1B visa”等术语，但会议笔记的转录里留下了7个“uh”。
• Handy：免费、离线可用，标点总体不错，但把“Option + Space”写成了“optional space”。
• Microsoft Dictate：保留了6个“uh”，而且只能在Microsoft 365应用内使用。
• Dragon Professional：提供细致的Windows语音命令，价格约US$699.99；2018年后不再提供Mac版。
• Google Docs语音输入：免费、反应快，但191个单词中一个句号也没有。

JotMe提供一步完成的专用翻译键盘：用支持的输入语言讲话，从200多个输出语言及地区选项中选择目标。Wispr Flow则在听写完成后，通过Pro版Command Mode翻译文字。Handy提供特定模型的语音翻译，也可选择能进行翻译的AI后处理，但覆盖范围和设置取决于模型及服务商。

如果你每天在多个应用里写作，JotMe是我在2026年推荐的语音输入应用。下面会逐一说明测试记录和价格。

值得关注的要点

• 7款应用中有5款能向任意应用输入；Google Docs语音输入和Microsoft Dictate只能在各自支持的文档里使用。
• 内置功能保留了填充词：Google Docs输入191个单词却没有标点，Microsoft Dictate留下6个“uh”。
• JotMe的结果是125个单词、15个标点、没有填充词，还能在Mac和Windows上边听写边翻译。
• JotMe的Translate模式一步把51秒英语发言转成120个单词的墨西哥西班牙语。Wispr Flow需要Pro版Command Mode的第二步操作。Handy内置翻译取决于所选模型，也可另外配置AI后处理。
• 测试中有3款应用拼错产品名，例如JotMe的“Jot.me's”和Granola的“WhisperFlow”。自定义词汇可帮助减少这类错误，建议先填写。
• 免费离线语音键盘，我选Handy。评测时模型选择器显示69个可下载模型，部分带Translate选项。模型目录会随时间变化。
• Dragon Professional约US$699.99一次性购买，2018年后没有Mac版。

这篇语音输入评测适合谁

语音输入已从无障碍功能发展成日常写作习惯，适合你的应用取决于文字最终用在哪里。本篇重点面向靠写作和文字沟通工作、希望用说话代替敲键盘的人。

• 与海外团队沟通的管理者：每天回复日本、韩国供应商或客户时，能输入对方语言的语音键盘会更省事。
• 作者和内容团队：长报告与项目简报需要跟得上思路、还能自动加标点的听写功能。
• 经常使用AI的人：给Claude或ChatGPT写详细提示词，说出来比打出来省力得多。
• 手腕劳损或重复性劳损（RSI）人群：如果所有应用都能语音输入，键盘就可以退居辅助位置。
• 用其他语言进行入职培训或销售的团队：能边说边翻译的语音键盘，让西班牙语入职说明或日语供应商回复一次听写即可完成。
• 学生和预算有限的用户：选对应用，免费语音输入也能产出可用文字。

如果主要想在Android手机键盘上语音输入，可以先看我们的Android语音转文字应用对比。

这篇评测的不同之处

许多语音输入榜单通过朗读预先写好的稿件来评分，却掩盖了自然说话会出现的问题。我像打客户电话那样讲话，留下填充词和没说完的句子，再统计每款应用真正输入的内容。

• 实测的共同设备与条件：同一台MacBook Pro、内置麦克风、英语（美国）、脱稿发言。功能模式不同：Granola使用会议转录，Microsoft关闭自动标点，Dragon未运行。
• 用原始数字代替星级：列出单词数、填充词数、标点数和每处措辞错误。
• 如实说明未测试部分：Dragon Professional只支持Windows，因此明确说明，并依据Nuance官方产品页介绍。
• 加入翻译测试：这类评测很少测试翻译，所以我也用英语讲话，选择西班牙语（墨西哥）输出，看看语音键盘能否省去翻译器标签页。
• 自家应用也遵守同样标准：本篇由JotMe发布，JotMe也在比较名单中。它在第一段输入中拼错了自家产品名，这个结果照样保留。

我们在语音转文字软件评测中也采用了脱稿方式，不过那篇针对文件和会议转录，而不是应用内语音输入。

推荐应用速览

• JotMe：面向多语言工作的首选语音键盘，提供Direct、Curate、Translate模式、自定义词汇，以及200多个输出语言及地区选项的语音输入翻译。
• Wispr Flow：适合每天在Mac、Windows、iPhone和Android上大量听写的人。
• Granola：适合Mac上已经用Granola记录会议、希望免费增加语音输入的人。
• Handy：免费、开源、离线运行的语音输入应用。
• Microsoft Dictate：Microsoft 365订阅者在Word和Outlook中使用的听写功能。
• Dragon Professional：面向需要命令和宏的Windows用户。
• Google Docs语音输入：Google文档内的免费语音输入选项。

语音输入应用功能对照

最大的区别在于输入范围。7款中有5款能向电脑的任意文本框输入，而Google Docs语音输入和Microsoft Dictate局限于各自的文档。

价格差异比功能差异更大。Handy和Google Docs不收费，Granola免费套餐包含语音输入；Dragon仍按传统桌面软件的价位销售一次性听写许可证。其余产品采用按月或按年订阅。

语音输入应用价格

哪些应用能在语音输入时翻译？

键盘里有语音转文字翻译，就不用来回切换标签页：你开口，文字以读者的语言出现。JotMe有专用Translate模式；Wispr Flow需要第二步命令；Handy支持特定模型的翻译和可配置的AI后处理。其余应用没有在文档中说明这种翻译流程。

步骤多少比看起来更重要。JotMe只需选一次输出语言，后续听写都会自动以译文输入。Wispr Flow每次翻译都要先听写、选中文字，再说第二条命令。

语音听写测试结果

实测使用MacBook Pro、内置麦克风和英语（美国），脱稿介绍正在用的应用。我保留“uh”和重新起句，统计输入结果，并判断能否直接发送。Granola一行测试的是实时会议转录，不是Voice Typing；Microsoft关闭自动标点；Dragon未测试。各段长度、措辞不同，因此这些数字不是可横向比较的准确率分数。

内置语音输入保留了全部填充词

Google Docs语音输入和Microsoft Dictate逐字输入我的发言，连“uh”也不例外。Google Docs在191个单词中没加任何标点，Microsoft Dictate只在我说“full stop”时加句号。它们能用来起草，但都没有产出我愿意直接发送的文字。

AI语音输入应用会整理文字

JotMe和Wispr Flow都给出了带标点、没有填充词的结果。Handy作为免费的离线软件，标点表现不错，但两个片段结尾都缺句号。Granola的实时会议笔记转录留下了填充词，更适合记录会议，而不是直接发消息。

3款应用拼错了产品名

姓名和名称比日常词汇更容易出错。JotMe在一段中把自家名字写成“Jot.me's”，Wispr Flow写成“jot me”；Granola则把“Wispr Flow”写成“WhisperFlow”。有自定义词汇功能时，注册品牌名和人名有助于识别，但仍应检查结果，不能认为登记后就一定纠正。

应用背后的引擎决定它如何处理名称。我们对ChatGPT三种音频转录方式的测试使用录音文件比较了不同引擎。

JotMe把51秒听写翻译成墨西哥西班牙语

Translate模式把51秒英语转成120词墨西哥西班牙语，重组了日期表达，使其自然，并保留全部数字。Handy的Canary模型也能翻译，但支持范围因模型而异；可选AI后处理是另一条路径。JotMe则在跨应用键盘中明确提供200多个输出语言及地区选项。

Wispr Flow漏掉了5次听写中的2次

Wispr Flow历史里有2个空记录，另一个停在“Right now I'm using”。我需要重复说，才能得到可用文字。两个完整片段很干净，因此这种缺失比错词更令人遗憾。

我如何挑选这些语音输入应用

我从2026年常被提及的应用入手，保留能覆盖不同需求的产品：跨应用AI语音输入、会议应用的免费附加功能、离线开源软件、办公软件内置功能，以及专业Windows听写软件。

自然发言也能得到干净输出

朗读稿件的准确率说明不了太多。我用脱稿讲话评估，统计最终文字中的填充词、标点和措辞错误。

在所有写作应用里输入

只在一个编辑器里工作的语音键盘，会让你整天复制粘贴。能向邮件、Slack、备忘录、Zoom聊天、Claude提示词等任意文本框输入的应用，在日常实用性上得分更高。

姓名、行业术语与自定义词汇

客户名称和行业词汇比日常用语更容易让听写出错。我检查了能否注册用语、允许多少条，以及同一列表能否用于多语言转录和会议笔记。

多语言工作中的语音输入翻译

能用另一种语言输入的语音键盘，可以替代翻译器标签页。我确认了哪些能在听写时翻译、输出语言范围，以及需要多少步骤。

隐私与音频去向

有些应用在云端处理语音，有些把全部内容留在电脑里。我记录了音频去哪里，以及之后是否保留录音。

每天使用的价格

每周词数额度看似充足，但所有邮件都用听写时就不同了。我比较了免费方案，以及每天使用的月度成本。

2026年推荐语音输入应用详评

JotMe：自带翻译的语音输入应用

支持平台：Mac和Windows桌面应用（Mac按住Fn，Windows按住Ctrl + Win）

适合人群：每天在多个应用里写作，需要用其他语言回复同事或客户的人，包括自己不会说的语言

我们最初为多语言会议打造JotMe，为Zoom、Google Meet和Teams通话提供实时翻译。Voice Keyboard把同一语言引擎带到电脑上的每个文本框。在我的MacBook上，按住Fn讲话再松开，文字就出现在光标位置。Windows则用Ctrl + Win完成同样的输入。

核心用户是与日本、韩国供应商和合作伙伴协作的英语管理者及运营负责人，因此“用自己的语言说、用对方语言发”成为我们最重视的功能。

Translate模式上线后，Voice Keyboard也成为翻译键盘：用英语说话，就能在光标所在处输入日语或西班牙语。

主要功能

任意应用内的Voice Keyboard：按住快捷键、讲话、松开。JotMe会在邮件、Slack消息、文档或表单的光标处输入文字，在哪儿写作都用同一套操作。

Direct、Curate和Translate模式：Direct保留说话内容，同时添加标点和句子分隔，测试中也是如此。Curate把散乱发言重整为清晰段落，并根据输入的应用修饰标点和格式。边想边说的邮件回复或长篇Slack更新，我会选择Curate。

Translate将支持的输入语言的语音转成所选输出语言的文字。View original可以比较整理后的文字和原始听写，两个版本都能复制或编辑。

上下文与自定义术语：JotMe结合发言语境和启用的自定义词汇，帮助准确识别客户名与产品用语。发送前仍需核对重要名字。列表在账户级共享，适用于受支持的语音输入、会议转录和翻译功能。每条最多3个单词，并可设置类别和1至5的优先级。

语音输入翻译：Translate是Direct和Curate旁的第三种模式。用支持的输入语言讲话，就会插入所选输出语言的文字。从200多个选项里选择一次后，每次译文都输入光标处，下次也记住该语言。历史会标记输出语言，View original把说过的话与译文并排展示，方便发送前检查名称和数字。

英语采购经理可以不打开翻译标签页，直接用日语回复供应商的LINE消息。想了解何时说话翻译比打字翻译更适合，可看语音翻译与文本翻译的对比。

可搜索的私人历史：每次语音输入都按日期存入列表，带时长、搜索框、复制和删除按钮。翻译条目显示输出语言，View original显示翻译前的发言。JotMe的Voice Keyboard保存的是文字历史，而非音频录音。

不只是语音键盘：同一平台还可配合Zoom、Google Meet、Microsoft Teams和Webex运行实时转录、Ask JotMe问答与AI会议笔记。Basic和Premium Quality会议字幕翻译提供200多个输出语言及地区选项；语音输入覆盖依模型而定。会议笔记支持21个语言选项。

如何使用JotMe语音输入翻译

• 第1步：在Mac或Windows电脑打开JotMe桌面应用，进入Voice typing。
• 第2步：把Voice typing mode设为Translate，选择西班牙语（墨西哥）或日语等输出语言。
• 第3步：点击想输入的应用，例如邮件草稿或LINE聊天。
• 第4步：Mac按住Fn，Windows按住Ctrl + Win，用自己的语言讲话。
• 第5步：松开快捷键，JotMe便在光标处输入译文，原始发言保存在历史中。

我的测试结果

两段Direct模式录音分别为28秒和32秒，产出125个单词、15个标点、零填充词。第二段连“FN key”的大写都无需修改。第一段把自家名字写成“Jot.me's”，因为我的自定义词汇只有“Viraj”；我会建议新用户先把词汇表补齐。

Direct也保留了“their during their”的结巴，Curate模式则会整理这类内容。

翻译测试选择西班牙语（墨西哥）输出，用英语讲了51秒。样例场景是：一家迪拜物流及汽车公司准备向墨西哥发货，并为西班牙语员工做入职培训。JotMe返回120词西班牙语、14个标点、零填充词，可从复制窗口直接粘贴。

翻译还整理了我的表达。不自然的“in the 2027, the first quarter”变成“en el primer trimestre de 2027”，Dubai按照西班牙语加上重音成为“Dubái”，“5x a 10x”等数字原样保留。不过名字仍沿用英语中的“Jot.me”，与之前一样暴露出自定义词汇未填齐的问题。

价格

• Freemium：免费，每月50分钟转录（Voice Keyboard听写也使用这一额度）、20分钟实时翻译和5个AI点数。
• 预付方案：一次支付US$50，获得500分钟实时翻译，有效期1个月。
• Pro：年付US$120，折合每用户每月US$10；包含供语音输入和录音使用的500分钟转录、200分钟实时翻译、20个AI点数及20个自定义词条。
• Premium：年付US$180，折合每用户每月US$15；包含2,000分钟转录、500分钟实时翻译、50个AI点数、50个自定义词条、无限次录音及优先支持。
• 按月付费：年付可节省50%，因此月付Pro为US$20，Premium为US$30。

优点

• 测试中输入干净、标点完整，没有填充词
• Mac和Windows均可用一个按住讲话的快捷键
• 三种模式分别负责不同任务：Direct保留识别措辞，Curate组织段落，Translate输出指定语言
• 语音输入翻译让你用读者的语言回复
• Translate一步把受支持输入语言的发言转为200多个输出语言及地区选项中的文字
• 同一账户词汇表用于语音输入、转录和翻译
• Voice Keyboard历史保存文字，不保存音频录音

局限

• 语音输入仅在桌面应用提供，没有浏览器版或手机版
• 听写占用转录分钟，Freemium每月50分钟更适合试用，而非日常大量使用
• 名称和品牌词应先登记到自定义词汇；我的第一段也拼错了自家产品名
• 自定义词汇批量添加需要Pro或Premium

Wispr Flow：适合跨设备每天大量听写

支持平台：Mac、Windows、iPhone和Android

适合人群：每周在笔记本和手机上听写数千词，希望处处都有AI清理的人

说到语音输入，Wispr Flow常是最先被提及的名字。它提供能在任意应用里使用、完成度较高的AI听写：边说边去除填充词，理解说到一半的自我修正，再整理格式后输入。

它支持4类设备，因此从MacBook换到手机还要继续听写时很有优势。如果你想找能用读者语言输入的替代品，本名单中JotMe最接近；Wispr Flow与JotMe对比逐项说明功能差异。

主要功能

• AI自动编辑：去掉“um”“uh”，处理自我修正，添加标点与格式。Undo AI edit可还原某条记录的原始发言，Retry transcript则重新处理。
• 100多种语言：支持超过100种语言的语音输入，并有自动检测和Flow栏中的语言选择器。
• 按应用设置文风：可选Formal、Casual、Very casual，并为不同应用分配不同风格。
• 个人词典与片段：可自动学习名字和术语，也可手动添加；说出快捷短语，片段便插入地址、标准回复等保存的文字。
• Command Mode（Pro）：选中文字后说“make this more formal”或“translate this to Spanish”等指令，Flow便重写。这是Flow唯一的翻译方式，发生在听写之后。
• 使用情况统计：仪表盘记录总词数、说话速度和连续使用天数。
• Notetaker：在Mac或Windows上录制会议，生成带发言人名称及下一步事项的转录。
• 安全性：Wispr报告已完成SOC 2 Type II审计。当前安全页面称ISO 27001认证已获推荐，但证书仍待发放；HIPAA支持需要Growth或Enterprise签署BAA。用户可控制数据是否用于产品改进。Wispr安全说明

我的测试结果

我在Apple备忘录里按住fn测试Flow语音键盘。3条结果共84词、9个标点、零填充词；“Wispr Flow”拼写正确，自家名字却成了“jot me”。另有2条为空，还有一条停在“Right now I'm using”。讲话时显示录音条，松键才输入文字，所以我是事后才看到缺失。仪表盘记录的说话速度为每分钟118词。

价格

• 免费：当前桌面端每周软上限2,000词、硬上限5,000词；移动端额度在应用中显示，可能不同。Wispr可能调整限制，请查看自己的账户。Wispr当前每周额度
• Pro：月付每用户每月US$15，年付US$144、折合每月US$12，提供不限量听写。
• Growth：年付每用户每月US$18，增加SAML单点登录、签署BAA后的组织级HIPAA执行与管理员控制。
• Enterprise：定制报价，提供域名账户管理、审计日志和高级支持。

优点

• 4类设备的任意应用中都可使用成熟的AI语音输入
• 整理过度时，可用Undo AI edit取回原始转录
• 按应用设文风，让Slack更随意、邮件更正式
• 为受监管团队列出了较完整的合规支持

局限

• 我的5次听写有2次结果为空，另一次提前截断
• 桌面免费套餐显示每周2,000词的软上限，平均每天不到300词；但达到后仍可继续，直到当前5,000词硬上限。每天大量听写仍可能超出额度，请确认账户实际显示的限制。
• 转录在云端处理。测试记录提供Extract audio，但留存取决于设置：Wispr允许关闭听写云存储，并分别控制本地历史。处理敏感发言前，应检查这些开关和处理服务商的留存政策。
• Wispr Flow套餐没有列出听写同时进行的翻译功能
• 翻译需要第二步：先听写，再选中文字，让Pro版Command Mode翻译

Granola：Mac上已有Granola用户的免费语音输入选择

支持平台：桌面Voice Typing支持Mac和Windows。产品页也宣传iOS，并称Android即将推出；桌面帮助页却仍称移动端即将推出。请检查当前iOS应用是否可用。会议笔记支持macOS、Windows、iOS和Android。Granola Voice Typing支持情况

适合人群：已经用Granola记会议笔记，想免费在Mac增加语音输入的人

Granola以不需要会议机器人的AI笔记起家，后来新增独立语音输入，可在Gmail、Claude等Granola以外的应用工作。这次发布吸引了许多日常使用Granola的用户。

Granola现在也能语音输入。不限词数，免费。Granola已经在帮你写会议笔记，现在也能在任意应用里帮你打字。https://t.co/et60VtwWA0

— Granola（@meetgranola） 2026年10月29日

Granola语音键盘采用按住讲话的方式，按键、开口，就会在光标处粘贴干净文字。语音输入不会开始会议，也不会加进已有会议，因此笔记和听写分开保存。会议功能可参见线下会议软件对比。

主要功能

• 按住或免手持：按住默认fn快捷键听写，或双击开启免手持输入。随时按Esc可取消，不会粘贴任何内容。
• 长篇听写：一次最长20分钟，随后停止并粘贴已说内容。
• 清理与排版：语音输入会去掉填充词和无意重复，添加标点，按思路分段，并把列表排为项目符号或编号。
• 识别输入应用：邮件会加入问候和段落，Slack消息则保持简短。
• 按字面输入：不会回答或执行你说出的要求。对ChatGPT口述请求时，Granola粘贴的是请求本身。
• 混合语言：使用电脑配置中最多3种语言；Auto-detect让混合发言的每部分保留原来语言，不做翻译。

我的测试结果

我在新笔记中开启实时转录测试，边讲边看到文字。输出95词、26个标点，保留7个“uh”，因为会议转录是按实际发言记录。

“cardiovascular issues”和“H-1B visa”识别正确，但“Wispr Flow”被写成“WhisperFlow”。随后它把散乱发言整理为有标题、项目符号的笔记，体现了会议场景的优势。官方帮助文档称，独立的fn语音输入会在粘贴前清除填充词。

价格

• 语音输入：所有Granola套餐均免费
• Basic：US$0，会议历史有限
• Business：每用户每月US$14，无限会议笔记和历史，以及高级集成
• Enterprise：每用户每月US$35，提供单点登录和企业管理员控制

优点

• 有Granola账户就能免费语音输入
• 笔记内实时转录可边说边显示文字
• 免手持和20分钟听写适合长草稿
• 针对应用排版，减少邮件与聊天回复的编辑

局限

• Voice Typing文档明确支持Mac和Windows。产品页现在也列出iOS，但桌面帮助页仍说移动端即将推出；Android仍标为即将推出。
• 不会把语音翻译成另一种语言
• 需要辅助功能权限来读取输入应用的上下文，有些组织的安全团队会先审核
• 官方设置说明指出，Bluetooth麦克风的可靠性较低

Handy：免费离线语音输入应用

支持平台：macOS、Windows和Linux

适合人群：重视隐私、希望免费输入且音频不上传云端的用户和开发者

Handy与本名单的AI语音输入应用走的是不同路线：完全免费，以MIT许可证开源发布。

它在自己的电脑上运行语音识别，声音不离开设备。按快捷键讲话，就会把文字粘贴到当前文本框。如果已有录音，音频转文字指南介绍了文件处理方式。

主要功能

• 模型库：评测时选择器显示69个模型，其中Canary 180M Flash标为208 MB、4种语言，Cohere Transcribe标为1.6 GB、14种语言，并带最高准确度标签。还有面向英语流式输入的Parakeet Unified EN 0.6B、28种语言的Nemotron Streaming 3.5、99种语言的Whisper Medium。这些是当时屏幕数值，不是永久下载规格。当前文档还有其他大小和变体，包括25种语言的Canary 1B v2；请检查所选模型。
• Translate选项：带Translate标签的模型可以翻译语音，而不只是转录。Whisper翻成英语；Canary 180M Flash支持英语、德语、西班牙语、法语；当前Canary 1B v2文档列出25种语言。也可通过配置云端或本地服务商，启用用于翻译和清理的实验性AI后处理。Handy模型文档
• 按住讲话或切换：按住快捷键录音、松开停止，也可以按一次开始、再按一次结束。
• 本地历史：录音和转录保存在电脑里，可重播、加星标、重新运行或打开录音文件夹。
• 静音过滤：语音活动检测会剪去停顿，避免文字中出现空档。

我的测试结果

两段共114词、13个标点、零填充词。Mac上使用的“Option + Space”，第一段识别成“optional space”，第二段成了“option any space”；自家名字小写，两段末尾都没有句号。快捷键本身也不顺手，还妨碍了屏幕录制，不过可以在设置里修改。

价格

• 免费：所有功能无需账户或订阅，项目接受捐款。

优点

• 免费语音输入，没有词数上限
• 离线转录让音频留在电脑里
• 评测时69个模型可在速度、准确度和语言范围之间选择；可用目录会变化
• 支持大多数商用语音输入应用未覆盖的Linux

局限

• 我的普通听写片段漏掉了结束句号。可选的实验性AI后处理能清理或重新排版，但需要配置服务商，并使用独立快捷键。云端服务商会收到转录文本；本地方案则需要兼容硬件或本地服务器。Handy后处理文档
• 评测选择器显示下载大小从208 MB到1.6 GB；当前其他变体可能更小或更大，请核对所选模型的下载和硬件需求。
• 使用fn（地球）键的快捷键仅支持Apple键盘
• macOS上Bluetooth耳麦可能降低播放音质，Linux的Wayland支持仍有限
• 没有移动应用

Microsoft Dictate：Word和Outlook里的语音听写

支持平台：Windows、Mac、网页和移动端Microsoft 365中的Word、Outlook、PowerPoint、OneNote

适合人群：用Word写长文，且已订阅Microsoft 365的人

Dictate是Microsoft 365内置听写，所以已有订阅时，Word语音输入无需额外付费。口述标点、编辑命令、可选自动标点和脏话过滤，适合长文。但一离开Word，限制就显现了：它仅向Microsoft应用输入，不能跟到Zoom聊天或浏览器文本框。如果使用Teams通话，JotMe能在不让机器人入会的情况下添加Microsoft Teams实时翻译。

主要功能

• 从功能区启动：Word的“开始”选项卡有听写按钮，Mac上Option + F1也能启动。
• 口述标点和命令：说“period”“full stop”“comma”“new line”，并用语音命令编辑、设置格式。
• 自动标点：在听写设置开启后，Word根据停顿加标点，不必再说“period”。
• 敏感词过滤：默认会遮蔽部分脏话，也能在设置关闭。
• 语言选择：设置对话框可选择说话语言与麦克风；Microsoft将部分语言标为准确率较低的预览版。

我的测试结果

Microsoft输入了156词，留下6个“uh”，两个句号都来自我说的“full stop”。当时自动标点关闭，所以需要口述命令。它把“dictation”听成“dictators”，保留“my my”等重复；文字先显示灰色，每次停顿后才转为黑色确定。

Microsoft表示，开启自动标点后会随停顿添加标点，因此评价前也应打开该设置试试。

价格

• Microsoft 365 Personal：单人每年US$99.99或每月US$9.99
• Microsoft 365 Family：每年US$129.99，最多6人
• Microsoft 365 Premium：每年US$199.99，提供更多Copilot使用量
• 订阅条件：Microsoft将Dictate列为订阅者专用功能

优点

• Microsoft 365订阅者无需额外付费
• 可用语音命令控制标点和格式
• 同一设置界面包含自动标点和脏话过滤
• 适用于Word、Outlook、PowerPoint和OneNote

局限

• 语音输入仅在Microsoft应用内有效
• 测试中保留了所有填充词
• 文字先灰色、停顿后确认，长句容易打断节奏
• 需要网络和有效Microsoft 365订阅
• 没有列出翻译选项，只按讲话的语言输入

Dragon Professional：面向Windows深度用户的语音输入软件

支持平台：仅Windows 10和Windows 11

适合人群：需要完整语音控制及宏的Windows法律、金融团队，以及无障碍用户

Dragon是本名单中历史最久的听写软件。Dragon Professional v16仍是想用声音操控整台Windows电脑的人所选的产品。不过它没有进入我的实测：Nuance在2018年停止销售Mac版，而我使用MacBook测试。下面内容均来自Nuance官方产品页和当前零售列表。

主要功能

• 识别能力声明：Nuance称Dragon Professional首次使用即可达到最高99%的识别准确率，口述文档的速度可达打字的3倍。
• 深度学习引擎：Nuance将应对口音和嘈杂开放办公室的能力归功于其Deep Learning语音引擎。
• 自定义命令与宏：用声音插入固定文本或签名，并创建自动执行多步任务的宏。
• 音频文件转录：Dragon转录单一说话人的录音，Auto Transcribe Folder Agent可批量处理音频。多人会议需要说话人识别，而Dragon不提供该功能。
• 团队管理：Nuance Management Center让组织在用户间共享自定义单词、命令和自动文本。

我的测试结果

我没有测试Dragon。它只支持Windows，而我的环境是MacBook Pro。

价格

• Dragon Professional v16：Nuance产品页不公开价格，购买咨询转交销售。Dictationstore标价US$699.99；购买前请确认商家、版本及当前结账价格。
• Dragon Professional Anywhere：Windows云端订阅，按需报价

优点

• 深度控制Windows应用的语音命令
• 自定义词汇、自动文本和宏适合重复性文档
• 可批量转录单一说话人的音频文件
• 可选一次性许可证

局限

• 2018年后没有Mac版
• 单个Windows许可证的前期成本高
• 音频转录仅处理单一说话人，会议和采访不在其范围内
• 不提供语音输入翻译

Google Docs语音输入：Google文档内的免费选择

支持平台：Chrome等受支持桌面浏览器中的Google Docs，以及Google Slides演讲者备注

适合人群：需要在文档内免费起草的学生和Google Workspace用户

Google Docs语音输入免费，一点即可开启，是很容易尝试的听写应用。输入快，支持许多语言和地区口音。但它留在Google Docs里，标点也要自己处理，因此更适合反正要编辑的初稿。Workspace团队如果还需会议转录，可加入JotMe的Google Meet转录。

主要功能

• 快速开始：打开“工具”选择语音输入，或Mac按Cmd + Shift + S，Windows按Ctrl + Shift + S。
• 语言丰富：支持100多种语言和方言，英语（英国）、英语（肯尼亚）等地区变体有独立选项。

• 口述标点：说“period”“comma”“new line”或“new paragraph”。Google提醒标点可用性因语言而异；编辑与格式命令要求账户和文档都使用英语。
• 编辑命令：只有Google账户和文档均设为英语时，语音编辑、格式命令才可用。
• 快速修正：右键点击带灰色下划线的单词，查看替代建议。

我的测试结果

Google Docs把191词输入为一整段，没有句号或逗号。4个“uh”全部保留，“then then”“it will it will”等结巴也在，并把“how well it understands”识别为“how valid understands”。过了一会儿，它自行把“tapping”改成“typing”，说明实时文字会在讲话中继续修正。

Google Docs只有听到你口述标点才添加；我则像通话一样自然讲话。

价格

• 免费：任意Google账户均可使用

优点

• Google账户内免费提供
• 实时输出快，语言列表丰富
• 支持口述标点和英语语音命令

局限

• 只在桌面浏览器的Google Docs和Slides演讲者备注内有效
• 不口述就没有标点，也不清理填充词
• Google Docs手机应用没有语音输入，也没有离线模式
• 不翻译，只按选择的语言输出

你该选哪款语音输入应用？

先看文字要写到哪里，再看每周写多少。

• 用不会说的语言输入：Mac和Windows上的JotMe Translate模式，支持200多个输出语言及地区选项
• 跨应用多语言回复：JotMe语音输入翻译，以及在Mac和Windows上整理段落的Curate模式
• 笔记本和手机每周输入数千词：Wispr Flow Pro
• Mac上已有Granola：开启它的免费语音输入
• 音频必须留在电脑：Handy离线语音键盘，选择符合语言需求的本地模型
• 主要在Word和Outlook写作：开启自动标点的Microsoft Dictate
• 完整控制Windows：Dragon Professional v16
• 今天就在Google文档免费起草：Google Docs语音输入

按使用场景选择

用语音回复国际客户

英国采购经理要和大阪包装供应商确认交货时间，通常有两个不理想的办法：写英语并希望对方看懂，或每条消息都复制到翻译器。将JotMe Voice Keyboard设为Translate、输出选择日语后，她说英语，JotMe就直接向LINE或邮件输入日语。需要电话沟通时，同一应用还能实时翻译会议，把长串邮件往来变为短对话。

正在比较专用设备与软件的团队，可先看会议用语音翻译器选择指南。

用于入职培训和招聘的语音输入翻译

一家向墨西哥扩展的迪拜物流公司，需要在第一批员工入职前准备西班牙语说明和欢迎邮件。运营负责人选择西班牙语（墨西哥）输出，用英语口述文档，JotMe便在HR系统或邮件草稿中输入西班牙语。这正是我翻译测试的场景，所有日期和数字均被保留。

用客户的语言回复客服工单

马尼拉客服回答圣保罗客户时，可以用英语说回复，再以巴西葡萄牙语发送。View original把英语版本留在JotMe历史里，不必再翻译一次就能粘贴到内部备注。

长报告和文章的语音听写

长文写作者需要自动加标点、分段的听写。JotMe Curate把口头思路重整为清晰段落，Wispr Flow也会边说边排版。Word内，开启自动标点后Microsoft Dictate表现更合适。

通话后的整理也能用语音输入加快。参考会议纪要写法，可用语音键盘撰写总结部分。

口述Claude和ChatGPT提示词

提示词越具体越有帮助，200词的提示词说出来比打出来轻松得多。JotMe和Wispr Flow这类跨应用语音输入，可直接写入AI聊天框；Mac上的Granola也可以。Granola按字面粘贴你的话，不会作答；JotMe自定义词汇则帮助识别提示词里的产品名和项目名。

Zoom和Google Meet通话中语音输入

别人演示时在会议聊天里回复，语音可能比键盘更方便。JotMe这样的跨应用语音键盘可输入Zoom或Google Meet聊天框，会议功能还能不让机器人入会，就为Zoom通话添加实时翻译和笔记。Google Docs语音输入和Microsoft Dictate都不能输入这两种聊天框。

离线与隐私敏感的听写

Handy本地运行语音识别，也可离线使用。机密工作中，可选后处理也应保持本地；云端服务商会收到转录文本，而专业使用仍须遵守组织规定。JotMe语音输入在线处理，保存的是文字历史而非音频录音。

Windows语音听写

以Windows为标准环境，需要宏、自动文本和所有应用语音控制的团队，仍会选择Dragon Professional v16。日常向任意Windows应用输入时，JotMe（Ctrl + Win）和Wispr Flow的成本远低于Dragon。

学生的免费语音输入

Google Docs语音输入可免费在文档内写作业和笔记；Handy则为笔记本上所有应用增加免费输入。JotMe Freemium提供每月50分钟转录，可用于Voice Keyboard听写。

RSI与无障碍语音输入

手腕劳损时，每次击键都值得注意。Handy开发者主张无障碍功能应当免费，Dragon则提供Windows完整语音控制。JotMe的按住讲话式Voice Keyboard，只需一个快捷键，就能在任意Mac或Windows应用中写作。

让语音输入更干净的技巧

• 先填自定义词汇：依赖语音键盘前，先加客户名和术语。测试中3款应用拼错了产品名。
• 用内置或有线麦克风：Granola和Handy都提醒Bluetooth耳麦可能降低质量。
• 完整表达后再停顿：Microsoft Dictate等按停顿加标点的功能，在说完一句再换气时更容易放对句号。
• 选准确的地区变体：Google Docs将英语（美国）、英语（英国）、英语（印度）等分别列出，选对可减少错误。
• 按任务选模式：引用和记录使用忠实转录，邮件和工作更新则用整理模式。
• 选能舒适按住的快捷键：Handy的Option + Space在我测试中不太顺手，而Mac的Fn和Windows的Ctrl + Win更自然。
• 发送前检查名字和数字：听写错误往往集中在专有名称和数值上。
• 发译文前检查原文：JotMe历史的View original将发言与译文并排显示，便于核对名称和数字。

用JotMe开始自己的语音输入测试

挑选应用最快的办法，是口述今天真的需要发出的一条回复。在Mac或Windows安装JotMe，把最常用的3个名字加到自定义词汇，按住快捷键，在平时打字的应用里说出消息。再切到Translate，为阅读西班牙语或日语的同事口述同一消息。第二次输入就能看出翻译键盘与普通语音键盘的不同。

如果需要的是实时会议而非文字回复，可接着看我们实测的AI实时翻译服务对比。

语音输入应用常见问题

2026年推荐哪款语音输入应用？

对在多个应用写作的多数人，我推荐JotMe。Voice Keyboard能在Mac或Windows任意位置输入干净、带标点的文字，也可把语音翻译成另一种语言。4类设备上大量听写适合Wispr Flow，免费离线则选Handy。

Voice typing和voice dictation有什么区别？

两者都指说话得到文字，但用法略有差异。Voice typing常用于聊天回复等文本框的快速语音输入；voice dictation更常指带口述标点和命令的长文写作，Dragon和Microsoft Dictate的发展就与这类用途相关。

有没有能在所有应用里用的免费语音输入？

Handy免费开源，可向macOS、Windows、Linux文本框输入。Granola所有套餐都包含Voice Typing，文档支持Mac和Windows，产品页也宣传iOS。Wispr Free有每周限制：当前桌面软上限2,000词、硬上限5,000词，移动额度在应用显示。JotMe Freemium每月包含50分钟转录供Voice Keyboard使用。

怎样把语音翻译成另一种语言的文字？

打开JotMe桌面应用，将Voice typing mode设为Translate并选输出语言。Mac按住Fn，Windows按住Ctrl + Win，用自己的语言讲话再松开，译文就会在任意应用的光标位置输入。

语音键盘能边说边翻译吗？

可以。JotMe Voice Keyboard可用200多个输出语言及地区选项输入发言，例如说英语、发送日语或韩语文字。Handy带Translate标签的模型也可翻译。Granola明确说明语音输入不翻译，Google和Microsoft内置功能也只按讲话语言输入。若要输出声音而非文字，请看语音到语音翻译指南。

JotMe适合替代Wispr Flow吗？

如果要向使用其他语言的人写作，或希望一个应用兼顾听写和会议翻译，JotMe很适合。目前Wispr Flow覆盖更多设备类别；JotMe则增加一步Translate模式，而Flow需Pro的Command Mode及第二步操作。JotMe还提供Direct、Curate，以及依模式支持200多个字幕输出语言及地区选项的实时会议功能。

Google Docs语音输入会自动加标点吗？

我的测试中，它在191个词里没有自行添加标点。Google文档说明可说“period”“comma”“new line”等命令，并提醒不是所有语言都支持标点。请在自己使用的语言和浏览器里测试。

Mac上推荐什么语音听写应用？

如果在多个应用写作，或需要用其他语言回复，我推荐JotMe，因为Voice Keyboard在能输入文字的地方都可用。日常大量输入可选Wispr Flow，已用Granola做会议笔记的用户可选Granola，免费离线选Handy。

Mac能使用Dragon听写吗？

Nuance在2018年停掉Mac版Dragon；Dragon Professional v16仅支持Windows 10和11。Mac用户需要JotMe、Wispr Flow、Granola、Handy等原生支持Mac的应用。

语音输入比打字快吗？

对多数人来说，语音输入更快。两段JotMe录音在60秒内记录125词，Wispr Flow测得我的讲话速度为每分钟118词，都高于通常打字速度。不过真正节省多少时间，取决于之后还要清理多少内容。

语音输入可以离线吗？

Handy在电脑上运行语音识别，可以离线。Google Docs语音输入和Microsoft Dictate需要联网；包括Wispr Flow在内的大多数AI语音输入应用都在云端处理语音。