「鍵盤是古董！」同樣都是AI語音轉文字，新創Wispr為何跟Siri、Alexa不同？

鍵盤其實是個恐龍級的古董，Wispr共同創辦人暨執行長Tanay Kothari認為，是時候讓AI取代這個150多年前設計的工具。

Wispr是總部位於舊金山的AI語音輸入的新創，簡單來說，Wispr希望人們不要再盯著螢幕、用手指打字了，而是運用自家的語音轉文字的AI應用程式Flow，靠說話輸入文字。

繼2025年6月完成由Menlo Ventures領投的3,000萬美元A輪募資後，Wispr在11月又迅速追加了一輪由Notable Capital領投的2,500萬美元募資，估值已經來到7億美元。

但是，語音輸入並不是新題目，甚至是個超級擁擠的賽道，Wispr憑什麼獲得青睞？

語音輸入，是「不是辦法」中的「最好辦法」？

先釐清Wispr要解決的問題是什麼。

雖然我們習以為常，鍵盤其實並不是最佳的輸入工具。腦中誕生一段想法、準備手打鍵盤轉化成文字時，其實會遇到一些摩擦，包含要把口語變成有架構的句子、找到鍵盤上對應的按鍵、調整與修正等等，這限制了我們傳達思緒、意圖和指令給數位系統的速度。

根據Typing.com的研究顯示，員工每天花費大約5小時在打字上。如果，這些時間可以被省下來呢？

最理想的方式是什麼？對Tanay Kothari來說，其實不是語音，而是有點科幻的解法：鋼鐵人。「我最一開始其實是想打造電影《鋼鐵人》中的AI助理賈維斯。」Tanay Kothari笑著說，最好的理想是不用說話，直接將腦神經訊號轉換成文字，因此創業頭3年和共同創辦人暨技術長Sahaj Garg研發了一款穿戴硬體裝置，不過硬體所要投入的資源跟時長，讓Wispr最終還是放棄了。

團隊決定轉向軟體試試看，「但是轉成軟體平台，是一個高風險的賭注。」Tanay Kothari說，過去幾十年來，語音技術充滿炒作，真的有實際效果的產品卻是寥寥無幾，而且競爭激烈程度相當高。

沒想到的是，Wispr的產品Flow發佈後，大約20％的使用者轉為付費用戶，遠高於一般軟體的3％至4％轉換率，證明了Wispr初步的產品市場契合度（Product-Market Fit，PMF）。

講話是講話，文字是文字

Wispr能在語音AI紅海成功的關鍵，跟產品設計的哲學有關。

和蘋果的Siri、亞馬遜的Alexa不同的是，Wispr不是單純的把語音轉錄為文字，還會理解說話的語意，這件事情帶來的差異就是，使用者不用再花時間去除贅詞、修正，或者重新組織雜亂的思緒。

可以回想一下過往使用語音輸入的情境。說話時，我們總是有很多語助詞、停頓、重複贅字，或者中途改變表達順序的時候，以前的語音輸入AI會忠實地將一切記錄下來，變成一段看不懂的句子，可是Flow可以處理人類說話的這些「混亂」，產生乾淨、結構化的句子，例如，當您在訊息中試圖更改會議時間時，傳統工具可能會轉錄成一串混亂的重複：「嘿Aaron，我們五點見，等等，不是，六點。」而新的語音工具則能捕捉意圖並清理成：「嘿Aaron，我們六點見。」

所以Wispr團隊在意的指標，是「零編輯率」（zero-edit-rate）。

傳統聽寫工具或許會聲稱其平均詞彙準確度達到98％，但Kraning指出，即使有98%的準確度，一則約80個詞（五或六句話）的長訊息，仍然有超過80％的機率會出現錯誤。相比之下，Wispr Flow已經實現了超過80%的零編輯率。這個數字仍在持續改進中，並遠優於競爭對手：Flow宣稱其錯誤率約為10%，明顯低於OpenAI的Whisper的27%和Apple原生聽寫功能的47%。

日常能用，比酷炫的AI代理更重要

不過目前看下來，Flow只是一個技術，要變成一個可以收費的產品，還需要進一步的設計，也就是成為能硬實際用到各個應用程式、在後台運作的系統。

Wispr已經發布Flow的Mac應用程式（2024年10月）、Windows應用程式（2025年3月）和iOS應用程式（2025年6月），而且只專注於人們每天重複許多次的任務，例如寫信、回訊息、設置提醒、寫筆記等等。

「用語音預訂Uber或航班，這類應用場景沒什麼用，因為太是一次性頻率低的事件，資料量少、產品價值低。」Wispr的共同創辦人Sahaj Garg說，Flow是日常就會使用的工具，帶來的價值遠遠高於其他AI語音代理，數據顯示，使用者透過Flow每天平均會進行大約100次聽寫、輸入其中72%的字元，且跨越了近70個應用程式和網站。

目前Wispr的營收正以每月50%的速度增長，而且開始進軍企業市場，已經與125家企業客戶簽下付費合約，不過並未透露具體的收費模式。

最新的2,500萬美元募資，也是為了擴大市場佈局，包含推出Android應用程式的測試版、語音模型個人化、企業服務等等，不過Wispr在技術上也還有些挑戰有待克服，例如Flow對背景噪音和口音的敏感度極高，還有忘記上下文的問題，例如用戶在說話中途停頓，應用程式就會忘記前文。

AI時代，模型進步相當快，Flow能否成為這個領域的霸主，就要看Wispr接下來的速度了。

資料來源：《TechCrunch》、《next play’s newsletter》、《Reddit》、《Forbes Technology Council》、《Menlo Ventures》