语音日记：为什么说出想法比打字更有效

我是偶然开始语音日记的。一次困难的对话后走路回家，不想停下来打字。所以我在Memex中长按麦克风按钮，说了大约九十秒，然后把手机放回口袋。后来看转录时，我惊讶于它和我会打出来的东西有多不同。

写出来的版本会更干净。更有条理。也更不诚实。打字时你边写边编辑。你把粗糙的部分磨平，重新表述尴尬的部分，得到一个听起来合理的版本。说话时你没有那个过滤器。停顿、半完成的句子、突然的话题转换——都在那里。而它们往往比打磨过的版本更真实。

语音捕获打字遗漏的东西

书面日记有压缩问题。你经历一个体验，然后坐下来把它翻译成文字。那个翻译是有损的。你丢失了思考的速度、某些词的情感重量、谈论真正重要的事情时声音降低的方式。

语音录制保留了更多原始信号。不是完美的——录音仍然是生活体验的缩减——但它保留了文字丢弃的东西：

• 你思考的速度。快速说话通常意味着焦虑或兴奋。缓慢、刻意的说话通常意味着你在解决什么问题。
• 你会从写作中编辑掉的情感语调。声音的颤抖、打断严肃想法的笑声、说出脆弱的话之前的长停顿。
• 意识流。说话时你跟随实际的思考过程，而不是事后将其重组为逻辑结构。

语音日记的实用理由

除了情感论据，语音日记解决了一个实际问题：大多数人没有时间坐下来写。

你可以在走路、通勤、做饭或躺在床上时录音。进入门槛几乎为零——按住按钮，说话，松开。一分钟的语音备忘录可以包含比大多数人五分钟日记打字更多的内容。

这很重要因为任何日记习惯的最大敌人是摩擦。记录越容易，你越可能持续做。而对个人日记来说，一致性比质量更重要。混乱的每日录音比你一半时间跳过的精致每周条目更有价值。

大多数语音日记应用的问题

大多数支持语音日记的应用把它当作次要输入。你录制音频，它被转录，文字坐在一个笔记里。这比什么都没有好，但错过了对内容做些什么的机会。

一段关于订机票、试新餐厅和对截止日期感到压力的语音备忘录包含至少三条不同的信息。在大多数应用中，它们都在一团转录文字中。以后找到其中任何一条需要通读整个转录。

转录步骤是必要的但不充分的。重要的是转录之后发生什么。

Memex如何处理语音

在Memex中，语音录制是一等输入。长按麦克风按钮开始录制，松开发送。应用使用设备端语音识别转录音频——由sherpa-onnx和SenseVoice-Small模型驱动的完全离线。转录期间没有音频离开你的设备。

技术细节：系统使用Silero VAD（语音活动检测）进行实时语音分割，在后台isolate中运行转录以避免阻塞UI，支持自动语言检测的中文、英文、日文、韩文和粤语。硬件加速在iOS上使用CoreML，Android上使用NNAPI。模型约230MB，首次使用时下载一次。

转录后，文字进入与任何其他输入相同的AI管道。Card Agent生成结构化的时间线卡片——订机票的任务卡片、餐厅的地点卡片、压力观察的指标卡片。PKM Agent将每条信息归入适当的P.A.R.A.类别。Insight Agent随时间寻找记录间的模式。

你也可以导入现有音频文件。长按麦克风按钮选择文件——M4A、MP3、WAV、OGG、AAC或FLAC。应用以相同方式转码和转录。实时录制有60秒限制但导入文件没有限制。

语音日记不适合所有人

有些人用写作思考得更好。打字的行为强制了一种帮助他们处理想法的结构。如果这描述了你，语音日记可能感觉太混乱。

语音录制也不是在每个环境都好用。你可能不想在开放办公室或安静的图书馆做语音日记。有些想法用写作更容易表达——任何需要精确的东西，如决策框架或利弊清单，通常打字更好。

对大多数人来说最有用的方法可能是混合。移动中的即时捕获用语音。有时间坐下来的刻意反思用文字。视觉时刻用照片。Memex将三者都视为平等输入并通过相同的AI管道处理。

开始语音日记

如果你从未试过语音日记，这里有一个低承诺的开始方式：

• 选择一天中的一个时刻——走路回家、通勤、睡前。
• 录制60秒。不要计划说什么。就说说今天发生了什么或你在想什么。
• 做一周。那一周不要回听录音。
• 一周后回顾。你可能会惊讶于你说了什么以及它和你会写的东西感觉有多不同。

你可以用任何录音应用做这个。如果你想让录音自动转录、整理成结构化卡片并归入知识库，Memex可以做到。源代码在GitHub上。

想了解Memex如何与其他日记工具对比，读我们的AI日记应用对比。产品背后的故事见我们为什么做Memex。

常见问题