本文实测了千问电脑版的语音输入功能，展示了其从智能语音输入到智能语音指令的完整能力，并分析了其背后的全模态理解和 Computer Use 技术。
📝 详细摘要
文章以第一人称视角，详细评测了阿里千问电脑版的语音输入功能。作者将体验分为两个核心部分：智能语音输入和智能语音指令。智能语音输入能自动过滤口语中的语气词，将零散的口语整理成结构清晰的书面语，并具备场景感知能力，能根据用户当前使用的应用（如微信、Word）调整输出风格。智能语音指令则更进一步，允许用户通过语音直接指挥 AI 完成回复邮件、优化文案、搜索资料、制作表格和 PPT 等复杂任务。文章认为，这一功能将用户从「码字员」转变为「口语指挥官」，其背后是千问的全模态理解模型和 Computer Use 操控能力。文章最后强调了这种「动嘴干活」的交互方式对提升工作效率的价值，并提供了下载和使用指引。
💡 主要观点
- 千问语音输入法具备智能转写和场景感知能力。 它能自动过滤口语中的语气词和重复，将零散口语整理成书面语，并能根据用户当前使用的应用（如微信、Word）调整输出风格，实现「所说即所得」。
💬 文章金句
- 它真正的内核，是「开口就让 AI 干活」的全新交互方式。
- 语音是皮，Agent（智能体）是骨。正是这个能理解、能思考、能执行的智能体内核，让它和所有传统的、被动的「语音输入法」有了本质区别。
- 你的思维不再被工具和操作割裂，始终保持在一个连续的创作流中。
📊 文章信息
AI 初评：82
来源：沃垠AI
作者： (沃垠AI)
分类：人工智能
语言：中文
阅读时间：11 分钟
字数：2746
标签： 千问, 语音输入, AI 产品, 效率工具, Computer Use