带口音听写英文，或在两种语言之间听写

带着口音听写，有它独有的一种挫败感。你说得很清楚，用的是每天上班都在用的语言，可转写出来的文字读着就像隔壁房间有人心不在焉地听着记下的。接着你在一封英文邮件里插一句西班牙语，或者念出一位河内同事的名字，整句话就全乱了。

论坛和技术支持帖里反复出现的，总是同样四种抱怨。引擎要你每次只选一种语言。说到一半换语言，它就崩了。非母语口音的准确率明显更差。而来自另一种语言的名字，会被转成读音碰巧相近的普通单词。其中一部分今天就能靠设置和习惯解决；另一部分则是技术本身的局限，任何设置都去不掉。分清哪些属于哪一类，能省下大量白费的折腾。

问题在训练数据，不在你的发音

有些口音的听写准确率更低，是因为语音识别器是从训练数据中学习的，而在这些数据里占比很少的口音，不管说话人讲得多清楚，都会产生更多错误。引擎并不是在评判你的英语。它是拿你的发音去比对它学过的那些声音，而你的口音在那批数据里可能只是比较少见。

这一机制有相当扎实的证据。OpenAI 的研究人员在 2022 年的论文中分析 Whisper 时发现，某种语言可用的训练音频量，能有力地预测模型对这种语言的识别效果；数据少的语言，表现明显更差。同样的逻辑很可能也适用于同一语言内部的不同口音。2020 年有一项被广泛引用的研究，考察的是商用语音识别中的种族差异，背后的斯坦福团队得出结论：带地区口音和非母语口音的人，可能会遇到类似的问题。

这带来一个很实际的结论。刻意把口音压平很少有用，而放慢速度、过分用力地一个音节一个音节往外蹦，反而可能更糟，因为这会让你的话更不像模型听过的任何声音。用平常的语速、以完整的短语来说，这样某个音含糊不清时，模型的语言部分还有前后的词可以依靠。

选最接近的地区变体，然后实测

针对带口音的听写，最值得检查的设置是语言变体：选择最接近你实际说话方式的那个地区版本，而不是你所在国家或设备的默认选项。可选范围比大多数人以为的要宽。Windows 11 语音输入提供澳大利亚、加拿大、印度、新西兰、英国和美国英语。Apple 为 iPhone 听写列出了 15 种英语变体，包括印度、马来西亚、菲律宾和阿联酋。Google 文档语音输入有 13 种，其中包括加纳、肯尼亚、尼日利亚和坦桑尼亚。另外，Microsoft 把 Word 听写（Dictate）的部分语言标为预览版，并提醒准确率和标点支持可能跟不上；在责怪自己之前，最好先知道这一点。

不过，并没有“法语口音英语”“普通话口音英语”或“阿拉伯语口音英语”这样的设置。如果英语是你的第二语言，就在你学过或最常听到的变体之间选，通常是美式和英式这一对，然后让结果说话，而不是凭感情。

两种变体对比测试：写一段 60 个单词的英文段落，放进你最难说对的五个词，比如一位同事的名字、你的公司、一条街道和一个数字。先在一种地区设置下口述一遍，再换另一种设置口述一遍，同一个房间，同一支麦克风。哪个需要改的地方少，就留哪个。只要十分钟、做一次，你就不用再靠猜了。

两种语言：为什么大多数引擎要你二选一

大多数听写引擎一次只处理一种语言，所以双语用户必须在开口前告诉系统接下来要说哪种语言。以下是各大平台的做法，依据的是它们各自的官方文档：

资料来源：Apple，在 Mac 上听写信息和文稿和在 iPhone 上听写文本；Microsoft，语音输入和在 Word 中听写；Google，高级语音输入。核对时间：2026 年 9 月。

Google 文档语音输入支持 100 多种语言和口音，但 Google 的帮助页面并没有写到任何自动检测；我们的 Google 文档语音输入指南介绍了这个设置在哪里。

注意每一行都缺了什么：在同一句话里混用两种语言。语言学家称之为语码转换（code-switching），这正是许多双语者自然的说话方式。我们查阅的厂商文档中，没有一家承诺支持它。就连 Pixel 的检测功能，描述的也是识别你正在说哪种语言，而不是在一口气里把两种语言混着说。在有人真正做出这种承诺、而且你亲自测过之前，请按“整句只用一种语言”来安排你的听写。

外语人名得专门教

来自另一种语言的名字之所以会被弄错，是因为识别器是通过它当前所设语言的发音和词汇去听这些名字的，然后换成最接近的熟悉单词。设为英语时，像 Nguyen 这样的越南姓氏，或 Joaquín 这样的西班牙名字，很容易被转成日常英语单词，而且引擎每次都会信心十足地犯同样的错。

有三种办法管用，大致按费力程度从低到高排列：

• 个人词典。 专门的听写应用可以让你把名字按应有的样子存起来，连变音符号一起。在 Laxis Voice Keyboard 里，这个功能叫 Personal Dictionary（个人词典），可以收录人名、缩写和专业术语。
• 用语音拼写。 iPhone 听写允许你先说出一个名字，再把它逐个字母拼出来；Pixel 8 及更新机型支持美式英语的命令，比如“spell Joaquin as J-O-A-Q-U-I-N”。
• 就地更正。 在 Pixel 上，点按听错的词，然后选择或说出正确的词；Google 表示，高级语音输入会从你的更正中不断改进。在 Mac 上，听写拿不准的词会带蓝色下划线，点一下就能看到候选词。

一套行之有效的双语听写流程

最适合双语听写的流程是：每条消息之前先选好语言，每一段连续说话只用一种语言，事后再用一轮编辑把混用语言的词统一改好。具体来说：

1. 两种语言一次设置好。 在 iPhone 和 Android 上添加两个键盘，在 Mac 上添加两种听写语言，在 Windows 上添加两种输入语言。
2. 一条消息，一种语言。 开口前瞄一眼语言指示。只要一秒钟，却能避免大部分乱码。
3. 借来的短语用手打。 如果一封英文邮件里需要一个法语表达，就绕开它口述其余部分，再把它手动打进去，而不是指望引擎在中途自己切换。
4. 名单要做成双语的。 把两种语言里的同事、客户和地名都放进你的词典，按它们应有的写法拼好。
5. 重要的内容先用更强的语言起草。 写长消息或需要斟酌的消息时，用你思考所用的语言口述，然后翻译，并在发送前把结果通读一遍。

最后这一步，正是 AI 听写工具能帮你省时间的地方。Laxis Voice Keyboard 支持 100 多种语言，可在 Mac、Windows、iPhone 和 Android 上使用；在 Premium 方案中，它的 Translate（翻译）功能会把你选中的文字改写成另一种语言，直接替换在你输入的位置。请把结果当成草稿，因为机器翻译碰到习语仍会出错。也要把取舍看清楚：Laxis 在云端处理语音；在免费的 Basic 方案中，听写和会议录音共用每月 300 分钟的额度。它对你这组语言的处理效果如何，最好在 14 天的 Premium 试用里自己判断，试用无需绑定信用卡。

双语一周开始之前：花五分钟，把你最常说的十个名字，用两种语言加进你的工具所提供的词典里。这是回报最快的办法，因为名字正是最常出错、而一出错又最要紧的那些词。

听写和开会是两码事

用第二语言听写，和用第二语言跟上一场会议，是两个不同的问题：听写是让软件听懂你，而开会是你要听懂别人，而且对方往往语速很快。如果你这一周更吃力的部分是在电话会议上跟上节奏，那对策就不一样了，从提前发出议程到共享术语表，我们在跨语言开会指南里都有介绍。

如果你的听写问题不只和口音有关，我们的排查指南语音转文字为什么总出错会逐一讲到麦克风、噪音和其他因素；如果你正在挑选工具，听写工具盘点可以帮上忙。

常见问题

带口音也能用语音转文字吗？

能。语音转文字对大多数口音都有效，但对于在引擎训练数据中占比较少的口音，准确率往往更低。选择最接近你说话方式的地区语言变体、让麦克风靠近一些、用平常的语速说话，都能缩小差距。把人名和专业术语加进自定义词典，可以解决剩下的许多错误。

能同时用两种语言听写吗？

在同一句话里基本不行。Mac、iPhone、Windows 和 Word 的内置听写一次只使用一种选定的语言，你得在消息之间手动切换。Pixel 6 及更新机型可以检测你正在说的是六种支持语言中的哪一种，但我们查阅的厂商文档中，没有一家承诺能在单句之内可靠地切换。

怎么在 iPhone 上切换听写语言？

在 iPhone 上，听写跟随键盘语言，所以要在“设置”>“通用”>“键盘”>“键盘”中为每种语言添加一个键盘，并在开口前切换键盘。Apple 指出，当你使用另一种语言的键盘时，听写也会使用那种语言。每条消息前看一眼当前键盘，以免出现乱码。

英语是第二语言的话，听写该选哪种英语？

选择最接近你实际所说英语的地区变体，然后实测。没有针对法语口音或普通话口音的设置，所以要根据你学的或最常听到的英语，在美式、英式、印度或澳大利亚英语等选项之间挑。在两种变体下口述同一段话，留下需要更正较少的那一个。

怎样避免听写把外语人名拼错？

如果你的听写工具有自定义词典，就把这些名字加进去，完全按应有的写法拼写，重音符号也不能少。内置听写通常没有可编辑的词典，那就逐个字母拼出名字：iPhone 听写支持这样做，Pixel 8 及更新机型接受美式英语的“spell”命令。在 Pixel 上更正词语，也能让它的语音输入越学越好。

语音识别对口音有偏见吗？

语音识别在不同说话人群体之间存在可测量的准确率差距，研究人员认为这与训练数据不均衡有关。斯坦福大学 2020 年发表在 PNAS 上的一项研究发现，五个主要系统对黑人说话者的出错量大约是白人说话者的两倍，作者还提醒，地区口音和非母语口音可能会遇到类似的问题。此后这些系统已有改进，但并没有证据表明差距已经消除。