語音日記：為什麼說出想法比打字更有效

我是偶然開始語音日記的。一次困難的對話後走路回家，不想停下來打字。所以我在Memex中長按麥克風按鈕，說了大約九十秒，然後把手機放回口袋。後來看轉錄時，我驚訝於它和我會打出來的東西有多不同。

寫出來的版本會更乾淨。更有條理。也更不誠實。打字時你邊寫邊編輯。你把粗糙的部分磨平，重新表述尷尬的部分，得到一個聽起來合理的版本。說話時你沒有那個過濾器。停頓、半完成的句子、突然的話題轉換——都在那裡。而它們往往比打磨過的版本更真實。

語音擷取打字遺漏的東西

書面日記有壓縮問題。你經歷一個體驗，然後坐下來把它翻譯成文字。那個翻譯是有損的。你丟失了思考的速度、某些詞的情感重量、談論真正重要的事情時聲音降低的方式。

• 你思考的速度。快速說話通常意味著焦慮或興奮。緩慢、刻意的說話通常意味著你在解決什麼問題。
• 你會從寫作中編輯掉的情感語調。聲音的顫抖、打斷嚴肅想法的笑聲、說出脆弱的話之前的長停頓。
• 意識流。說話時你跟隨實際的思考過程，而不是事後將其重組為邏輯結構。

語音日記的實用理由

你可以在走路、通勤、做飯或躺在床上時錄音。進入門檻幾乎為零——按住按鈕，說話，鬆開。一分鐘的語音備忘錄可以包含比大多數人五分鐘日記打字更多的內容。

這很重要因為任何日記習慣的最大敵人是摩擦。記錄越容易，你越可能持續做。而對個人日記來說，一致性比品質更重要。

大多數語音日記應用的問題

大多數支援語音日記的應用把它當作次要輸入。你錄製音訊，它被轉錄，文字坐在一個筆記裡。這比什麼都沒有好，但錯過了對內容做些什麼的機會。

轉錄步驟是必要的但不充分的。重要的是轉錄之後發生什麼。

Memex如何處理語音

在Memex中，語音錄製是一等輸入。長按麥克風按鈕開始錄製，鬆開傳送。應用使用裝置端語音辨識轉錄音訊——由sherpa-onnx和SenseVoice-Small模型驅動的完全離線。轉錄期間沒有音訊離開你的裝置。

技術細節：系統使用Silero VAD（語音活動偵測）進行即時語音分割，在背景isolate中執行轉錄以避免阻塞UI，支援自動語言偵測的中文、英文、日文、韓文和粵語。硬體加速在iOS上使用CoreML，Android上使用NNAPI。模型約230MB，首次使用時下載一次。

轉錄後，文字進入與任何其他輸入相同的AI管道。Card Agent生成結構化的時間線卡片。PKM Agent將每條資訊歸入適當的P.A.R.A.類別。Insight Agent隨時間尋找記錄間的模式。

你也可以匯入現有音訊檔案。長按麥克風按鈕選擇檔案——M4A、MP3、WAV、OGG、AAC或FLAC。應用以相同方式轉碼和轉錄。即時錄製有60秒限制但匯入檔案沒有限制。

語音日記不適合所有人

有些人用寫作思考得更好。語音錄製也不是在每個環境都好用。對大多數人來說最有用的方法可能是混合。移動中的即時擷取用語音。有時間坐下來的刻意反思用文字。視覺時刻用照片。Memex將三者都視為平等輸入並通過相同的AI管道處理。

開始語音日記

• 選擇一天中的一個時刻——走路回家、通勤、睡前。
• 錄製60秒。不要計劃說什麼。就說說今天發生了什麼或你在想什麼。
• 做一週。那一週不要回聽錄音。
• 一週後回顧。你可能會驚訝於你說了什麼以及它和你會寫的東西感覺有多不同。

你可以用任何錄音應用做這個。如果你想讓錄音自動轉錄、整理成結構化卡片並歸入知識庫，Memex可以做到。原始碼在GitHub上。

想了解Memex如何與其他日記工具對比，讀我們的AI日記應用對比。產品背後的故事見我們為什麼做Memex。

常見問題