Typeless AI语音键盘实测:月费超ChatGPT Plus,10万用户为何买单?

每月订阅费超过200元,价格直接压过了ChatGPT Plus,功能却单一到只做一件事:语音输入。

这听起来特别像“智商税”,对吧?

但据说,真有超过10万用户排队为它付费。

这就是近期在全网爆火的AI语音键盘——Typeless。

它究竟火到了什么程度?

在社交平台上随手一搜,满屏都是来自各行各业用户的真实推荐,画风出奇地一致:

网友A:用过之后,我再也没打过字了;网友B:这辈子是不可能碰键盘了;网友C:这东西多少钱我都闭眼入!

Typeless AI语音键盘实测:月费超ChatGPT Plus,10万用户为何买单?

语音输入法谁没用过?各大软件几乎都自带此功能。但笔者试用Typeless几天后,发现它确实有些不同。

当我输入一段逻辑混乱、充满废话的语音备忘录后,不到5秒,AI就将其整理成了分段清晰、要点明确的精炼文字:

更令人惊讶的是,在完成语音转文字后,我还能继续通过语音指令,让AI对原文进行二次润色和重写:

实测下来的最大感受是:我似乎有点理解,为什么会有人愿意每月花200多元订阅它了。

一手实测Typeless

技术发展日新月异,输入法产品也在不断迭代。从搜狗、百度到QQ输入法,我们都再熟悉不过。

但Typeless有些特殊,它本质上是一个AI语音键盘,与我们记忆中的传统输入法不太一样:

Typeless AI语音键盘实测:月费超ChatGPT Plus,10万用户为何买单?

在实测之前,先简要总结一下它的核心功能:

  • 智能语音转写:将语音(支持轻声模式)直接转写成文字,并自动去除重复内容和口头禅等废话。
  • 自动结构化整理:将口头表达、步骤和关键点自动整理成结构清晰的文本,省去手动整理的麻烦。
  • AI语音润色:在转写文字的基础上,支持通过语音指令进行AI润色,堪称“输入法版的ChatGPT”。
  • 语气风格适配:能根据使用场景自动调整文本的语气和写作风格。
  • 多平台与多语言:电脑端和手机端均可使用,体验一致,支持超过100种语言的转写。

是的,在Typeless中,根本不存在“打字输入”这个环节。

因此,本次测评也将打破常规,从“转录准确率”、“文字自动整理”和“AI润色能力”这三个核心维度,对这款AI语音键盘进行实测。

转录准确率

我们日常更习惯打字而非语音转文字交流,一个重要原因是口头表达常夹杂“呃、嗯、啊”等语气词,转写出的文字往往杂乱且不准。既然Typeless主打转录,那就来一次毫无逻辑的废话输出测试:

我直接就是一个毫无逻辑、废话一箩筐地狠狠输出!!!

最让人意外的是,AI确实过滤了所有语气词和废话,只提炼出语音中最核心的关键信息。语义理解准确,断句自然,没有出现明显的错听或漏听,表明其在口语容错方面表现合格。

当然,单一场景不足以证明其转录能力。能否准确区分同音不同义的词,才是真正的考验。于是,笔者将难度提升了“亿”点点:

我是想试一试这个方案是不是适合,不是说事情已经定了,只是先试试看,如果试了之后发现不适合,那这件事本身也不算是失误,十次试错,总比一次失事要好,现在这个事,是不是事实,其实得看实施的时候是不是顺利,如果实施得太急,事情反而容易失控,所以我现在说的“试”,指的是“试一试再说”,不是“事情已经是这样了”的那个“事”。

这段语音中刻意加入了大量“试/是/事/实/施/失”等同音异义词,这是语音转文字最容易翻车的地方。

从结果看,AI基本把握住了核心意思。唯一的小问题是语速加快时,偶尔会出现吞字现象(如“现在说的”未被完整识别)。但整体表现不错,毕竟日常交流中很少会如此绕口,用于正常工作和生活场景,其转录准确性完全够用。

最后,测试在“轻声说话”模式下,AI的识别精度:

在几乎用气声说话的情况下,转录结果超出了预期。除了将“折扣”误听为“进口”这个小错误外,其他部分几乎无误,转录准确率相当高。

(突然发现,这个功能似乎特别适合上班时偷偷与朋友聊天……)

文字整理能力

除了基础转录,Typeless另一项更强大的能力是“文字结构化整理”。

其最出色之处在于,松开语音输入键的瞬间,AI就已开始自动进行结构化处理。即使表达得再混乱、缺乏逻辑,最终输出的内容也会被按照规范的格式分点呈现。

本次测试输入的是一段顺序混乱、包含隐性先后关系和时间节点的备忘录语音:

可以看到,AI首先准确捕捉了“帮我整理一个备忘录”的意图,因此输出结果也采用了备忘录的特殊结构。语音中那些前后交叉、顺序不清的待办事项,被清晰地梳理出了先后顺序。

最终,内容被拆分为“补全材料”、“处理临时事务”、“跟进未完成项目”三个板块,并在每个板块下补充了相应的说明和注意点。(格式上很像工作中使用的Markdown文档。)

唯一想吐槽的是,开头和结尾的几句偏废话的内容,如果能直接过滤掉就更好了。

整体而言,其文字整理能力可以打五星。毕竟,目前市面上能一键实现文字自动结构化整理的输入法工具,确实不多。

AI润色能力

最后,谈谈Typeless中一个能体现AI能力的功能——AI润色。

首先说明为何只给它“三星”评价:
1. 使用场景有限:对于日常微信聊天等场景,该功能使用频率不高。
2. 交互方式受限:手机端目前不支持文字输入提示词,只能通过语音向AI描述润色需求。在某些场景下,这增加了使用难度。
3. 编辑范围局限:每次AI润色仅针对当前输入框中的转录内容,不支持对历史信息进行润色编辑。

当然,这本身是一个好功能,只是个体需求不同。直接看实测效果:

这段文字废话还是太多了,口语化的表达还是太多了,帮我润色一下,按照时间线帮我重新梳理一下。

经过AI润色后,文本读起来确实顺畅许多。不必要的废话被处理掉,句子间的逻辑也更清晰,效果与其他AI产品的润色成果相似。

值得一提的是其交互体验:Typeless并未将润色功能做成显眼的独立入口,而是在界面右下角设置了一个小按钮,长按即可直接说话,视觉上较为清爽。

总结

客观来说,如果以专业转录工具或专业AI润色工具的标准来衡量Typeless,它的缺点不少:价格偏高、在公开场合使用不便、偶尔存在吞字错字现象,其润色能力与ChatGPT等大型模型相比也谈不上优势。

Typeless AI语音键盘实测:月费超ChatGPT Plus,10万用户为何买单?

但如果将其定位为一款能嵌入几乎所有软件的“AI语音输入”工具,笔者认为产品已经做得相当不错。它比平台自带的转录功能更好用、覆盖平台广、几乎每天都能派上用场、能节省大量精力,再加上AI加持。如果未来价格能更加友好,笔者确实愿意长期使用下去。

在实测完Typeless后,我最初认为它更适合几类人群:

  • 开车通勤、双手不便打字,但对语音转文字准确性要求高的人。
  • 习惯在聊天时按住语音键,进行大段口语化输出的人。
  • 需要频繁随手记录大量灵感和事项的人,如自媒体创作者、产品运营等。

然而,当我浏览社交平台上关于Typeless的讨论时,发现了一些远超我想象的创造性使用场景。

例如,有网友用它来撰写社交媒体推文,声称效率比打字提升了数十倍。

Typeless AI语音键盘实测:月费超ChatGPT Plus,10万用户为何买单?

还有用户通过Typeless与ChatGPT对话,认为口述方式极大提升了AI交互体验,同时也是一种口语练习。

Typeless AI语音键盘实测:月费超ChatGPT Plus,10万用户为何买单?

在小红书上,甚至有开发者将其用于“Vibe Coding”场景,用语音来编写和调试AI提示词(Prompt),反馈称这种方式更易进入高效状态。

Typeless AI语音键盘实测:月费超ChatGPT Plus,10万用户为何买单?

相比之下,我仅用Typeless进行微信聊天,颇有“用小刀切牛排”之感。这款产品的潜力显然被用户挖掘得更深。

对于感兴趣的用户,可以尝试其首月免费体验。不过,其超过200元的月度订阅费,或许更适合有高频、刚需场景的用户。


关注“鲸栖”小程序,掌握最新AI资讯

本文来自网络搜集,不代表鲸林向海立场,如有侵权,联系删除。转载请注明出处:http://www.itsolotime.com/archives/20788

(0)
上一篇 2026年2月9日 下午8:24
下一篇 2026年2月9日 下午8:38

相关推荐

  • Meta闪电收购AI社交平台Moltbook,40天创业神话背后的安全与连接博弈

    Meta闪电收购AI社交平台Moltbook,40天创业神话背后的安全与连接博弈 上线仅40天的AI智能体社交平台Moltbook已被收购,收购方为Facebook的母公司Meta。 此前在收购OpenClaw上未能如愿的扎克伯格,此次迅速出手,将Moltbook及其两位创始人Matt Schlicht和Ben Parr一并收入麾下。具体收购金额未披露,两位…

    4天前
    19000
  • 从技术突破到生态重塑:快手AI战略的产业级价值兑现路径分析

    2025年被广泛视为AI技术从实验室走向产业应用的关键转折点。在这一历史性节点上,以多模态生成、智能体(Agent)为代表的AI技术正加速探索更高效、更贴合实际需求的应用形态。其中最具战略意义的趋势在于:AI技术正在从单点创新迈向系统性、产业级价值的全面兑现。对于所有致力于数字化转型的企业而言,这不仅是一个技术命题,更是一个关乎未来竞争力的核心战略课题。 在…

    2025年11月3日
    21500
  • 2026年开源LLM选型指南:从模型规模到架构实战,打造安全可控的AI应用

    到了2026年,关于AI的讨论焦点已经发生了根本性转变。我们早已告别了“聊天机器人演示”的早期阶段。如今,严肃的企业正在构建自己的内部AI解决方案。他们深刻认识到,虽然外部API服务便捷,但公司的核心数据才是最具价值的资产,他们不愿将处理这些数据的关键“大脑”长期租用给外部供应商。 与此同时,技术领域也迎来了一个重大里程碑:开源大语言模型(LLM)的性能已经…

    2026年2月6日
    50500
  • AI Agent架构评测:从实验室到生产环境的Skills解耦工程化实践

    评测盲区:为什么「能用」不等于「可用」? 在大模型评测领域,我们有 MMLU 测知识、HumanEval 测代码、BFCL 测函数调用。但对于 Agent 系统,评测维度往往停留在「任务完成率」这个单一指标上。 这里存在一个评测盲区:我们很少评测 Agent 能力的「可迁移性」和「可工程化程度」。 举个例子:在 Claude Code 环境中,构建了一套完整…

    2026年1月30日
    30700
  • 突破本地大模型重复查询瓶颈:基于语义规范化的高效缓存方案深度解析

    在本地部署大语言模型的实际应用中,一个普遍存在的性能瓶颈是重复查询处理效率低下。用户常常发现,当以不同表述方式询问本质上相同的问题时(例如“怎么退款”与“如何申请退货”),模型每次都需要重新执行完整的推理流程,导致响应延迟长达数秒,严重影响了交互体验和系统资源利用率。这一问题的根源在于传统缓存机制通常基于查询字符串的字面匹配,无法识别语义层面的相似性。 针对…

    2025年11月4日
    17600