出口成章

我從小就不喜歡當(dāng)眾發(fā)言，覺(jué)得自己缺少一些“急智”，沒(méi)有辦法出口成章，經(jīng)常說(shuō)到后面就忘了前面—用大語(yǔ)言模型的評(píng)估標(biāo)準(zhǔn)來(lái)說(shuō)，就是上下文窗口太小。寫(xiě)字就不存在這個(gè)問(wèn)題，寫(xiě)出來(lái)的東西在要拿給別人讀之前，總是有充分的時(shí)間可以反復(fù)推敲的。所以，我更喜歡寫(xiě)作而非演講。

“演講”這個(gè)詞聽(tīng)起來(lái)頗為嚴(yán)肅，實(shí)際上在我們的當(dāng)代日常生活中卻有著廣泛的應(yīng)用，其中最常見(jiàn)的就是微信的60秒語(yǔ)音消息。對(duì)我來(lái)說(shuō)，要一口氣說(shuō)60秒話且說(shuō)得滴水不漏是一件很可怕的事情，所以除非走投無(wú)路，我從來(lái)不發(fā)語(yǔ)音消息。偶爾用語(yǔ)音輸入，也要轉(zhuǎn)成文本，仔細(xì)編輯后才發(fā)送出去。

有時(shí)候確實(shí)沒(méi)那個(gè)條件。寫(xiě)東西需要把想法整理清楚，這是寫(xiě)作的優(yōu)點(diǎn)，也是缺點(diǎn)。當(dāng)靈感閃現(xiàn)，可能是洗澡、上廁所時(shí)，也可能是開(kāi)車(chē)、散步時(shí)，又或者是清晨醒來(lái)、半夜驚醒的瞬間。先不說(shuō)這些靈感迸發(fā)的時(shí)刻是不是方便打字，假如每個(gè)想法都必須整理清楚才有資格被記錄，那絕大部分的靈感早就消失無(wú)蹤了。

過(guò)去也有很好用的語(yǔ)音備忘錄產(chǎn)品，例如“錘科殘黨”們念念不忘的、錘子手機(jī)上的“閃念膠囊”，我以前也經(jīng)常使用，它可以將語(yǔ)音輸入即時(shí)轉(zhuǎn)換為文字筆記。不過(guò)，寫(xiě)作和口述是兩種挺不一樣的表達(dá)方式，寫(xiě)作需要連貫的思考和邏輯，而我們的思維往往是跳躍和碎片的。因此，雖然語(yǔ)音轉(zhuǎn)文本的技術(shù)在移動(dòng)互聯(lián)網(wǎng)的時(shí)代早已成熟，將語(yǔ)音轉(zhuǎn)換為文字內(nèi)容時(shí)能做到95%的準(zhǔn)確率，記錄下來(lái)的內(nèi)容若不經(jīng)處理，往往可讀性很差，保留了所有口頭表達(dá)的缺陷。如果你閱讀過(guò)播客音頻轉(zhuǎn)化出來(lái)的逐字稿，應(yīng)該會(huì)有類(lèi)似的感受。有些名人的演講，看視頻、聽(tīng)錄音都非常引人入勝，一旦印出來(lái)變成書(shū)卻讀之索然無(wú)味，也是這個(gè)道理。

久而久之，我就不用語(yǔ)音記錄了，畢竟我確實(shí)無(wú)法做到連續(xù)五分鐘條理清晰地闡述一個(gè)主題。

拜大語(yǔ)言模型所賜，從2023年開(kāi)始，國(guó)內(nèi)外都出現(xiàn)了AI語(yǔ)音筆記這種新的產(chǎn)品形態(tài)。和傳統(tǒng)的語(yǔ)音備忘錄不同，AI語(yǔ)音筆記不僅可以將語(yǔ)音轉(zhuǎn)為文字，在這個(gè)基礎(chǔ)上往往還會(huì)自動(dòng)整理、潤(rùn)色和提煉要點(diǎn)等。

早期國(guó)外的此類(lèi)產(chǎn)品多為獨(dú)立開(kāi)發(fā)者開(kāi)發(fā)，如AudioPen、Voicenotes和Cleft等，可能是為了更好承接用戶的已有需求，也覆蓋了會(huì)議筆記、采訪記錄、課堂講座錄音等長(zhǎng)錄音場(chǎng)景，支持的單次錄音時(shí)間從15分鐘到90分鐘不等，甚至也有支持無(wú)限時(shí)長(zhǎng)的?？梢岳斫?，對(duì)專(zhuān)業(yè)用戶來(lái)說(shuō)，將動(dòng)輒幾個(gè)小時(shí)的錄音一鍵整理成紀(jì)要，節(jié)約下來(lái)的時(shí)間更肉眼可見(jiàn)一些。

然而，我覺(jué)得強(qiáng)調(diào)這些場(chǎng)景，反而模糊了AI語(yǔ)音筆記對(duì)普通人的真正魅力：捕捉思維碎片。

想象一下，你一邊洗澡一邊對(duì)著智能手表（注意選購(gòu)防水的）說(shuō)出一連串零散的想法，AI將其自動(dòng)整理成文，等你洗完澡的時(shí)候就能在手機(jī)上看到一篇邏輯通順、行文簡(jiǎn)潔的文字，這才是“出口成章”的體驗(yàn)。從“說(shuō)話”到“成文”，這種飛躍帶來(lái)的表達(dá)的流暢感，也會(huì)讓你在輸出思維碎片時(shí)更加自如。你會(huì)相信，不管你怎么說(shuō)話，AI都會(huì)努力將最終呈現(xiàn)出來(lái)的文本變得清晰、易讀，自己日后回顧也會(huì)非常方便。

將AI比喻成私人助理反而限制了其中的想象力。正如我以前提到過(guò)的，AI的價(jià)值不僅是取代已有人類(lèi)的工作，更大的想象力是讓這些博士水平的助理來(lái)做你以前根本想不到可以雇人來(lái)替你完成的事情。過(guò)去，即使有助理，我也不好意思讓助理隨時(shí)記錄每天這些零零碎碎的所思所想，更別說(shuō)上面的某些場(chǎng)合并不方便有其他人在場(chǎng)……

這種表達(dá)的流暢感給我?guī)?lái)了前所未有的自由感。我自認(rèn)英語(yǔ)還不錯(cuò)，但自從發(fā)現(xiàn)和ChatGPT類(lèi)產(chǎn)品溝通時(shí)可以完全不顧及單詞拼寫(xiě)、單復(fù)數(shù)、時(shí)態(tài)，我享受到了前所未有的英語(yǔ)表達(dá)的順暢感，我管這個(gè)叫“語(yǔ)法自由”。今天，AI語(yǔ)音筆記也讓我至少在AI面前實(shí)現(xiàn)了“說(shuō)話自由”：不必字斟句酌，想到什么就說(shuō)什么，可以坦然接受自己口齒不清、前言不搭后語(yǔ)……反正總是可以“出口成章”的。

這樣子一來(lái)，至少對(duì)我來(lái)說(shuō)，語(yǔ)音輸入的門(mén)檻終于降到比文字記錄更低了—前提是沒(méi)有他人在場(chǎng)。

實(shí)際上，作為一個(gè)嘗試，這篇文章的草稿就是由我對(duì)AI口述完成的，錄制素材的時(shí)候我完全是想到哪里說(shuō)哪里，東一點(diǎn)西一點(diǎn)。AI先把這些片段整理為一條條筆記，我再將這些筆記作為素材全部復(fù)制粘貼給大語(yǔ)言模型，整理成邏輯通順的提綱（經(jīng)過(guò)對(duì)比，Claude3.7Sonnet交的作業(yè)勝出），然后我在模型完成的初稿上自己繼續(xù)修改、潤(rùn)色。所有的思考仍然出自我本人，AI更像是一位幫助整理和連接的記者。

說(shuō)到記者，有一個(gè)叫Autobiographer的App就將這個(gè)體驗(yàn)做到了極致。這是一位做過(guò)記者的投資人向我推薦的產(chǎn)品，是一個(gè)AI“傳記記者”，可以幫你寫(xiě)自傳。開(kāi)始“采訪”后，屏幕上會(huì)顯示它問(wèn)你的問(wèn)題，你用語(yǔ)音回答就可以。大多數(shù)人都沒(méi)有被記者采訪的經(jīng)歷，更別說(shuō)是一個(gè)私人的傳記作者，對(duì)我來(lái)說(shuō)，這個(gè)“記者”問(wèn)的問(wèn)題是及格的，至少我愿意花點(diǎn)時(shí)間去回答。當(dāng)然，我和人類(lèi)記者說(shuō)話時(shí)可不敢如此“說(shuō)話自由”。

我斷斷續(xù)續(xù)錄了一個(gè)小時(shí)，積累了大概5000個(gè)單詞。這個(gè)App要積累到5萬(wàn)個(gè)單詞才可以生成完整的“自傳”，但你也可以在這個(gè)過(guò)程中翻閱“記者”的筆記本。我看了一下，目前為止它對(duì)我第一段創(chuàng)業(yè)經(jīng)歷的記錄還是挺完整的。

暫且不論有多少人想給自己寫(xiě)傳記，這個(gè)產(chǎn)品讓我想到，AI語(yǔ)音輸入的體驗(yàn)可能確實(shí)需要一些不同的包裝，才能幫更多像我一樣的用戶克服對(duì)語(yǔ)音記錄、說(shuō)大段獨(dú)白的恐懼。自傳是將零散的記憶和故事組織成連貫的敘事，接受記者采訪，回答記者的問(wèn)題，要比“獨(dú)白”更好理解，也更容易。當(dāng)你接受采訪時(shí)、正常情況下也不必?fù)?dān)心回答的每一句話都會(huì)原封不動(dòng)地印出來(lái)，一定是會(huì)被經(jīng)過(guò)調(diào)整、潤(rùn)色的，這個(gè)體驗(yàn)很相似。

若想用語(yǔ)音來(lái)記錄碎片想法，今天市面上確實(shí)還沒(méi)有很理想的產(chǎn)品。一方面，前面提到，大部分產(chǎn)品要考慮會(huì)議錄音等時(shí)間更長(zhǎng)的場(chǎng)景，默認(rèn)會(huì)顯示至少5分鐘的進(jìn)度條，需要用戶一氣呵成，即使中間可以暫停，使用壓力還是挺大的。

另一方面，AI潤(rùn)色的力度也不容易平衡。做得太少，用戶不容易感受到產(chǎn)品價(jià)值，但一不小心做得太多，也會(huì)讓你覺(jué)得最終呈現(xiàn)的不再是自己的想法，而是AI的。理想狀態(tài)下，AI應(yīng)該在語(yǔ)音轉(zhuǎn)文字的基礎(chǔ)上，自動(dòng)去除“嗯、啊、呃”等語(yǔ)氣詞，將邏輯不通順的地方改得通順，把碎片化內(nèi)容整合成完整敘述，刪除冗余和重復(fù)的語(yǔ)句，就可以了。比如，有時(shí)候AI會(huì)用對(duì)我來(lái)說(shuō)陌生的詞匯來(lái)總結(jié)我的想法，或者擅自回答筆記中類(lèi)似“宇宙的終極意義是什么”這種自問(wèn)自答的問(wèn)題，這在我測(cè)試的AI語(yǔ)音筆記產(chǎn)品中很常見(jiàn)。筆記試圖捕捉的是自己的思考，是給未來(lái)的自己看的，AI越俎代庖、替用戶進(jìn)行了思考，就是個(gè)不好的使用體驗(yàn)了。

也不需要追求什么“原汁原味”，人會(huì)使用工具，工具也會(huì)塑造人。過(guò)去人們確實(shí)習(xí)慣了“深思熟慮再記錄”，但假如完全按照用戶過(guò)去的習(xí)慣來(lái)設(shè)計(jì)產(chǎn)品，用戶的行為就無(wú)法進(jìn)化。舉個(gè)例子，人們開(kāi)始用數(shù)碼相機(jī)拍照后，不會(huì)再有使用膠卷時(shí)的儀式感；工具換成手機(jī)后，拍照更是一件可以隨手做的事情。廢片是變多了，但記錄下來(lái)的生活瞬間也變多了，整體記錄的豐富度大大提升。與之類(lèi)似，AI語(yǔ)音筆記如果可以讓你更頻繁、更碎片化地記錄想法，即使其中大部分想法都會(huì)被扔掉，能被記錄下來(lái)的有趣的想法仍然會(huì)比原來(lái)更多。就和如今的計(jì)算攝影技術(shù)已經(jīng)模糊了“原圖”的定義一樣，AI應(yīng)該起的作用是將人的思考提取、整理出來(lái)，真正有價(jià)值的是思考本身，而非表達(dá)的原始形態(tài)。

不管是口述還是寫(xiě)作，人的語(yǔ)言是非常局限的，對(duì)于內(nèi)心豐富的流動(dòng)的想法的表達(dá)更是如此。假如AI語(yǔ)音筆記可以降低自我表達(dá)的門(mén)檻，捕捉更多我們的想法，這就是很大的價(jià)值。

當(dāng)然，這不見(jiàn)得是一個(gè)創(chuàng)業(yè)的好想法。