騰訊的 Chatterfly 想處理的並不是「辨識準不準」，而是開口之後到可發送之間那道沒人想接的工序：把一段散亂的口述，直接整理成拿得出手的書面表達。

寫字這件事，卡住的地方很少在手指。腦子裡的想法本來就是散的、口語的、跳著走的，落到鍵盤上卻被要求立刻變成結構完整、措辭得體的句子，中間那段整理只能自己扛。語音輸入看起來繞開了這個問題，實際上只繞開一半：打字確實省了，但轉出來的通常是原樣的說話內容，語氣詞、重複、半截話都留著，回頭還得逐句收拾。

Chatterfly 是騰訊在 2026 年 9 月展開內測的語音輸入與表達輔助程式，官方標語是「不必想好，開口就好」。從定位來看，它並不滿足於把語音更準地轉成文字，而是想把「口述」與「成稿」之間的距離直接抹掉。

按住 Fn 的那一刻，處理的已經不只是聲音

它的預設喚起方式是 Fn 鍵，長按或短按都能開始，說完再按一次結束。值得注意的是它沒有走「接管系統輸入法」這條路，而是以獨立程式常駐桌面，在文書軟體、聊天視窗、瀏覽器輸入框裡都能直接呼叫，不必先切換輸入法狀態。這個形態決定了它的使用半徑：只要螢幕上有個能打字的地方，它就能在那一格游標後面接手。

說完即成稿，中間那一步被替掉了

在聊天視窗裡按住 Fn 口述一段話，放開之後出現的不是逐字轉寫，而是一段被處理過的文字。口語裡的冗餘會被過濾，散亂的語序會被理順，該分點的地方自動分點，稱呼與語氣也會跟著對象調整。官網對此的說法是「理解上下文，識別不同的意圖與情境」——同一件「今晚去不了聚餐」，發給朋友和發給同事，出來的措辭並不一樣。

這背後是一條完整鏈路：口述、潤色、成稿。它的處理思路是盡量保留使用者原本的語氣與立場，而不是把每個人的表達都洗成同一種模板腔，這一點對內測版本來說相當關鍵。有第三方評測提到它的語音與指令能力依託騰訊混元系列大型模型，不過官方並未逐項說明技術細節。

六項技能，讓潤色知道你在寫什麼

技能是它最有辨識度的一處設計。首批內建六項，分別是會議紀錄、工作彙報、專案推進、行銷文案、郵件潤色，以及面向開發者的提示詞優化。每一項都能單獨開關，開啟之後，模型會結合當前情境做垂直方向的加工，而不是停留在通用的通順與糾錯上。

差別在具體情境裡最明顯。開著行銷文案技能口述一段產品介紹，出來的是帶賣點層次、可以直接推送的文案；開著郵件潤色說一句「這個方案我還沒做完，明天給你行不」，得到的是一封措辭專業、給出明確時間節點的正式回覆。同一句話換個技能，產出物的形態完全不同，這也是它與一般聽寫程式拉開距離的地方。

語音不只是輸入，還能當指令用

雙擊 Fn 會進入指令模式。這時候說的話不再是「要打出來的字」，而是「要交給模型去辦的事」：寫一段文案、把目前內容翻成英文、把長文提煉成要點，說完直接出結果，不需要切到另一個視窗再複製回來。把對話能力嵌進輸入環節，等於把輸入法從一個錄入工具，往執行入口的方向推了一步。

鍵盤輸入並沒有被犧牲

語音再順手，也不是所有場合都適合開口。Chatterfly 保留了完整的鍵盤輸入能力，支援拼音、簡拼、中英混輸以及長句連打，熱度詞與專業名詞也在詞庫覆蓋範圍內。個人詞庫會自動記住你在語音轉寫之後手動改過的詞，也可以自行加入專有名詞，還能把原先累積的詞庫一次匯入，減少換工具時重新養詞庫的成本。

首頁有一塊使用統計面板，把輸入總字數、打字與語音各自的佔比、語音錄入速度以及省下來的時間都列了出來。這類資料本身不參與寫作，但它讓「用語音到底省了多少事」從感覺變成可以核對的東西。

現在能用到什麼程度

Chatterfly 目前仍處於限時內測階段，需要內測碼才能登入使用，用戶端只覆蓋 Windows 與 macOS，iOS 與 Android 標註為即將推出，正式版的定價策略也尚未公布。轉寫紀錄與錄音預設保存在本機，但語音轉寫與潤色本身仍依賴雲端能力，涉及敏感內容時還是應當以官方隱私政策為準。

內測階段暴露出來的邊界也值得說清楚。含數字與符號組合的詞在拼音模式下聯想可能不夠準確，會議紀錄技能的效果還在調整，複雜環境下小聲說話或弱網的表現雖然有針對性優化，但仍會受實際錄音條件影響。更需要記住的一點是，模型給出的始終是初稿，涉及對外承諾、價格與時間的內容，發出去之前仍然要人工過一遍。

它真正的增量不在「辨識率」，而在它接過了從想到到說清的那段工序——你只管開口，剩下的交給它。