为 ChatGPT、Claude 和 Gemini 的人工智能语音输入选择麦克风

向ChatGPT、Claude或Gemini口述提示词比打字更快。斯坦福大学、华盛顿大学和百度于2016年进行的一项研究发现，语音输入的速度约为手机键盘的三倍，且出错率更低。语音识别的准确程度在一定程度上取决于麦克风的质量及其摆放位置。

打字生成的提示通常比较简短，因为把每个细节都打出来很费时间。而口头说明时，就像向同事解释任务那样，更容易包含背景信息、示例以及任何限制条件。

一段简短的打字提示通常需要跟进几条消息，响应内容才能与你的本意相符。如果语音提示一开始就包含相关上下文，就可以减少这些跟进消息。

现代语音识别技术能够很好地处理日常语音，即使是在安静的房间里通过笔记本电脑的麦克风进行识别也是如此。当存在风扇或键盘等背景噪音时，当你离屏幕较远时，以及遇到产品名称、人名和代码术语等不常见的词汇时，错误会更常见。将麦克风靠近嘴巴，可以使你的声音比周围的噪音更响亮，从而减少这些错误。

将一个价格低廉的夹式麦克风放在嘴边，通常比笔记本电脑的内置麦克风阵列能实现更准确的转录。

夹式麦克风无论您如何移动，都能始终与嘴巴保持固定距离，这在有背景噪音的房间里尤为有用。使用Wave Go 时，您可以将麦克风发射器夹在衣领上，将 USB-C 接收器插入电脑，然后在录音工具中将其设为麦克风。

语音输入工具会从麦克风采集音频，将其转录为文字，并将其输入到光标所在的位置。ChatGPT、Claude 和 Gemini 均内置了语音输入功能，但该功能仅在各自的应用内有效。而系统级工具则可在任何文本输入框中使用，包括浏览器中的 ChatGPT、桌面版的 Claude、Cursor、Slack 以及电子邮件。

Wispr Flow 和 Superwhisper 等专用工具允许您添加自定义词汇表，这有助于处理人名、技术术语和代码语法。Wispr Flow 还能自动清理冗余词汇并调整格式。

Wispr Flow 和 Windows 语音输入会将音频发送至云服务进行转录。Apple Silicon 版 Mac 上的 macOS 语音输入、VoiceInk 以及 Superwhisper 的本地模型则在您的计算机上处理语音。如果您在输入提示时涉及敏感信息，请确认您使用的工具采用哪种处理方式。

这些工具大多支持“按键通话”功能：按住按键、说话，然后松开。片刻之后，转录的文本就会出现在光标位置。您可以使用键盘快捷键、Stream Deck 热键，或者脚踏开关，这样双手就能保持自由。

如果您使用 ChatGPT 桌面应用，ChatGPT & Codex 插件中的 “语音输入 ”操作可将语音输入功能分配到Stream Deck按键上。轻按该按键一次开始录音，再次轻按发送；或者按住该按键说话，松开后即发送。该功能仅支持在 ChatGPT 中输入，因此若需在其他应用中使用，请配合系统级工具使用。您可在Elgato Marketplace 上免费获取该插件。

1. 将麦克风或其 USB-C 接收器插入电脑。
2. 在 Mac 上，请前往“系统设置”>“声音”>“输入”中将其选为输入设备；在 Windows 上，请前往“设置”>“系统”>“声音”>“输入”中将其选为输入设备。
3. 在口述工具的麦克风设置中选择相同的麦克风。
4. 在语音输入工具中设置“按键通话”快捷方式。
5. 将麦克风夹在或放置在下巴下方约一个手掌宽的位置。大多数夹式麦克风都是全向型的，因此与嘴巴的距离比方向更重要。

先从一款免费的听写工具和一个键盘快捷键开始，当你想用脚控制“按键通话”功能时，再添加Stream Deck Pedal。