钉钉上线智能语音输入支持口语直接成文
IT时代网8月7日消息,钉钉在新版本中上线了智能语音输入功能,成为国内首个支持全场景AI语音输入的协同办公平台。与传统的语音转文字不同,这套功能在语音识别之上叠加了AI语义理解能力,开口即可成章。
覆盖范围铺得比较开。千问办公、IM消息、搜索栏、文档、AI表格这些平台内部的高频场景都已支持,在外部浏览器、桌面智能体平台等任何需要文字输入的环境中同样可以调用。
语音输入本身早就不新鲜。过去那套东西解决的是"听清",交出来的仍然是未经加工的口语原貌,用户还得自己再整理一遍。钉钉这次想解决的是下一步——说完之后,内容能不能直接用。
具体的处理逻辑是这样:口语中常见的"嗯""那个"等填充词在转写时被直接过滤;语序散乱的长内容自动整理为清晰要点;说话时的口误和自我修正,比如"不对不对,我意思是",不会在最终文本里留下改口痕迹,只保留最终意图。一段碎碎念说完,输出的就是能直接发出去的话。
在应用内部,一个快捷键即可调度整个工作台。千问办公里给AI下达指令,IM对话框里快速回复消息,搜索栏用说话代替打字找人找内容,文档中口述灵感和段落,AI表格里用自然语言录入数据。用户不需要"想好再说",系统把"想到哪说到哪"变成"说完就能用"。
底层支撑来自阿里自研的语音识别大模型Qwen-Audio-3.0-ASR-Flash-Message。在一家国际AI评测平台的榜单上,Qwen-Audio家族模型以1.7%的字符错误率位列全球第一。钉钉智能语音输入接入的,正是这一家族中面向消息场景做过深度优化的ASR引擎,在识别精度之上进一步强化了语义整理和意图提取能力。
使用门槛不高。所有用户升级至最新版本即可免费使用,Windows端长按右Alt键唤起,Mac端长按fn键唤起,移动端点击对话框里的话筒按钮即可开口。

注:本文中包含AI辅助创作的内容。