公司践行 AI 这么久了，有些在工作过程中真实有效的理念，想做个分享，给各位参考下。如果有更好的思路，希望各位在评论区留言，整个 AI 进程是不停迭代的过程。
这次我先分享第一个点 ------ 用语音输入法代替打字。
这是可以作为基建的一点，这是和 AI 交互的方式。
现在的语音输入法已经不止通过音频识别文字，基于 LLM 能力赋予语音输入法更多可能性。
从讯飞输入法开始我就在用语音输入法，但当时遇到些同音字、公式、标点符号等情况，总会让我被迫回到手动修复的场景。
但是现在的语音输入法已经可以很好的解决这些问题，主要基于两方面能力的提升，1 是语音输入本身的准确性，2 是识别后可以基于上下文做修正，这里的上下文可以是自定义的提示词、和当前页面的截图。
分开说，首先是语音识别的精准性。
豆包输入法大家都用过吧，没用过可以用一下体验体验，前几天在 Mac 上也做了内测，但是我主要用的闪电说 App，直接用的豆包流式输入 2.0 的官方 Api。
现在的语音识别一大改进是轻语识别（还是轻声识别？），不需要像跟人说话那么大声，甚至不用振动声带，只靠气息发声，像说悄悄话那样，或者非常轻微的声带振动。大家可以自行用手机的试一下，绝对会被准确率震惊。
这样说一天，嗓子也不累，人也不难受，而且相互办公的时候，不会互相影响，我一般带个降噪耳机，就听不到。
我们用的 Mac 开发，本身的收音效果已经非常好了，但也配置了专属的麦克风，这样把麦克风调到嘴边，识别效果更好。
第二部分就是识别后的修正。
不管语音识别的效果多好，总会有些不如人意的地方，比如要临时说一个图中有的英文，大部分人是不知道怎么发音的，随便说一个，或者想去掉语音识别中的口语化额、啊、就是等等，或是想改变风格等等，这就是配合 LLM 发挥的实力。
列举几个我常用的功能。
用户词典：把个人常用，但在输入法里面不是那么常见的词组，比如各种技术组件的名字。
自动结构化：把一长段文字，整理为有逻辑的段落。
口语过滤：这个不用重复说明了。
加载屏幕识别：给 LLM 纠正的时候，把当前页面的截图也给一份。这种场景在临时遇到的人名、英文术语等识别很好。
以上就是我关于和 AI 交互方面的心得，语音输入比键盘效率得多，但不代表键盘会被淘汰，比如不方便说话的时候，以及是需要复制粘贴的场景，键盘依然更效率。最高效的方案是结合两者。