語音輸入新時代，Wispr 憑「理解語意」技術挑戰 Siri 與 Alexa 霸權

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

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

繼6月完成Menlo Ventures領投的3,000萬美元A輪募資後，Wispr本月又迅速追加一輪Notable Capital領投的2,500萬美元募資，估值到7億美元。

但語音輸入並不是新題目，甚至是超級擁擠的賽道，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，鍵盤其實不是最佳輸入工具。大腦誕生一段想法、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、找到鍵盤按鍵、調整與修正等，都限制我們傳達思緒、意圖和指令給數位系統的速度。

Typing.com研究顯示，員工每天花費約五小時打字。如果這些時間可省下來？

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〉的AI助理賈維斯」，Tanay Kothari笑說，理想是最好不用說話，直接將腦神經訊號轉換成文字，因此創業頭三年和共同創辦人暨技術長Sahaj Garg研發穿戴硬體裝置，不過硬體投入資源跟時長，讓Wispr最終還是放棄。

▲ Wispr共同創辦人暨執行長Tanay Kothari（左）和共同創辦人暨技術長Sahaj Garg（右）。

團隊決定轉向軟體試試，「但是轉成軟體平台，是高風險的賭注」，Tanay Kothari說，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，且競爭激烈程度相當高。

沒想到的是，Wispr產品Flow發表後，約20%使用者轉成付費用戶，遠高於一般軟體3%~4%轉換率，證明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，跟產品設計哲學有關。和蘋果Siri、亞馬遜Alexa不同的是，Wispr不是單純語音轉錄為文字，還會理解語意，差異就是使用者不用再花時間去除贅詞、修文，或重新組織雜亂的思緒。

可回想過往使用語音輸入。說話時，我們總是有很多語助詞、停頓、重複贅字，或中途改變表達順序，以前語音輸入AI會忠實記錄一切，變成一段看不懂的句子，可是Flow能處理人類說話的「混亂」，產生乾淨、結構化的句子，如訊息試圖更改會議時間，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。」新語音工具能捕捉意圖並整理成：「嘿Aaron，我們六點見。」

▲ Wispr不只是單純語音轉錄為文字，還會理解說話的語意，使用者就不用再手動去除贅詞、修改。

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平均詞彙準確度達98%，但Kraning指出，即使有98%準確度，一則約80個詞（五或六句話）的長訊息，仍然有超過80%機率會出錯。相比之下，Wispr Flow已達成超過80%的零編輯率。數字仍持續改進，並遠優於競爭對手：Flow宣稱錯誤率約10%，明顯低於OpenAI Whisper的27%和蘋果原生聽寫功能的47%。