最近我们对正在做的产品「秒言」做了一次内部阶段性复盘。
这篇并不算产品介绍，更像是一份写给自己和团队的记录，顺手整理出来。

---

为什么选择语音输入方向？

语音输入并不是新方向，市面上已经有很多方案，其中大量基于本地模型。最初我们也做过尝试，但在真实的使用场景中，反复出现同一个问题：

Demo 能跑，但长期用不太行。

尤其在以下几类场景里，问题更为明显：

• 连续长句输入

• 专业词汇、专有名词较多

• 不同人 / 不同时段连续使用

在这些情况下，稳定性和一致性都会显著下降。

而输入工具的特点是 容错率极低 ——
一次不准可以理解，但只要连续出现几次问题，大多数用户并不会给第二次机会，而是直接选择放弃。

这是我们最终没有选择完全本地方案的原因之一。

---

我们最近的工作重心是什么？

实际上，我们最近做的事情并不炫技，也没有扩展太多场景，而是回归基础体验：

1. 提升整体识别准确率

2. 降低从说完到出字的整体延迟

对语音输入这样的工具来说，如果这两点都解决不了，那么其他优化讨论意义都不大。

---

最近版本有哪些变化？

在近期迭代中，我们确实看到了一些积极的改善：

• 长句一次性输出的可用率提升

• 专业词汇的识别误差明显减少

• 连续使用时的结果更稳定

这些改进在 demo 层面可能不容易用一句话描述，但会直接影响用户“还会不会继续用”。

---

复盘带来的核心判断

这次阶段性复盘让我们在产品取舍上更明确：

• 不急着追热点能力

• 不为了展示“很 AI”而增加复杂度

• 优先把基础体验做到稳定、可预期

对于输入工具来说，稳定性本身就是最大的体验。

---

最后的思考

这篇文章更多是一次阶段性的记录，并不意味着我们已经做得很好，但至少目前最初的判断还没有被推翻。

语音输入看起来是一个简单方向，但长期稳定可用才是核心价值。我们会继续打磨基础体验，而不是急于炫技。

如果你也在关注语音输入、AI 输入工具或交互体验设计，欢迎在评论区交流讨论。

---