安卓语音转文字：完全指南

你按下那个小小的麦克风，说一句话，然后四件事里会发生一件。文字准确地出现了，你短暂地觉得自己很强。文字出现了，但一个标点都没有。文字压根没出现。又或者，那个按键从一开始就不在。你碰上哪一种，几乎和你的口音无关，而完全取决于你的手机正在用三套语音引擎中的哪一套。

这就是关于安卓语音转文字，从来没人讲清楚的一件事。系统把麦克风交给你手上的那个键盘，而不同键盘的脾气并不一样。在 Galaxy 上，你跑的可能是三星的引擎、谷歌的引擎，也可能是三星的键盘接着谷歌的引擎——三种组合，三种截然不同的失败方式。

下面讲清楚每一套都做什么、认哪些指令，以及它突然哑掉时该检查什么。文中的菜单路径对应撰稿时的 Android 17 与当前的 One UI 版本；厂商改这些界面名字的频率高得离谱，所以请把这些标签当成很有力的线索，而不是圣旨。

三套引擎正在悄悄争夺你的麦克风

Gboard 语音输入，是这里的基准。谷歌的键盘在 Pixel、Motorola、Nothing 以及大部分非三星阵营的手机上都是默认输入法，它的麦克风键会把语音送给谷歌的识别引擎——放在云端，或者，如果你下载过语言包，就放在手机本地。

三星语音输入，是三星自家的引擎，内置在 Galaxy 设备的三星键盘里。不同的识别引擎、不同的指令词汇、不同的启动快捷方式。

Assistant 语音输入，是第三套，也是最少被人搞懂的一套。它是 Gboard 在 Pixel 6 及更新机型（包括 Fold 与 Tablet）上的一种模式，会把灰色麦克风换成彩色的那一个。它能应付更长的口述、接受编辑指令、按名称插入表情符号——但只覆盖少数几种语言，而且只在那些硬件上。

分清它们之所以重要，是因为为某一套引擎写的建议，搬到另一套上读起来就是胡话。如果某篇指南让你试试"clear all"，而你的手机原样打出了"clear all"这几个字，那不是你做错了——那是你在另一套引擎上。在怪自己发音之前，值得先弄明白听写到底是怎么工作的。

先把 Gboard 语音输入打开

大多数"语音转文字不好使"的情况，最后都归结到分处两地的两个开关——一个在安卓的权限系统里，一个在键盘内部。

在安卓上开启语音转文字的步骤

1. 打开 设置 → 应用 → Gboard → 权限 → 麦克风，选择 仅在使用该应用时允许。没有它，那个键什么都不会做。
2. 打开任意文本框，点击 Gboard 工具栏上的 齿轮（或那个四宫格菜单），选择 语音输入，然后打开 使用语音输入。
3. 既然人已经在这儿，顺手打开 语言，把你会说的每一种语言都加进去。语音输入跟着键盘语言走，所以少加一种，你得到的是一堆乱码，而不是一条有用的报错。
4. 回到文本框，点工具栏右上角的 麦克风，等出现"正在聆听"的提示再开口。
5. 用平常聊天的语速说。为了迁就机器而放慢，只会让准确率更差，不会更好。
6. 再点一次麦克风停止。安静一阵子之后，它自己也会放弃。

有个小怪癖：在谷歌的引擎上，松开按键并不像三星那样结束口述。你得点一下才停，这一点常常让刚从 Galaxy 换过来的人措手不及。

三星的键盘按另一套规矩来

在 Galaxy 上，三星键盘是默认输入法，而它给了你一个大多数人从没意识到自己做过的选择。进入 设置 → 通用管理 → 键盘列表和默认键盘 → 三星键盘 → 语音输入，你可以把麦克风键指向 三星语音输入，也可以指向 Google 语音输入。同一个键盘、同一个键，底下的转写却完全不同。在较老的 One UI 版本上，它藏在 通用管理 → 语言和输入 → 屏幕键盘 里。

就这一个设置，解释了搜索结果里的一大堆自相矛盾。两个人拿着一模一样的 Galaxy，一个得到干净带标点的文本，另一个得到一长串没有断句的话，其实他们跑的是不同的引擎。

三星真正的优势是快捷方式。Galaxy 手机允许你把电源键映射到语音输入，于是口述从"按一下"开始，而不是从"找那个键"开始。松手就停——比谷歌那套点一下开始、再点一下停止的循环更紧凑。

值得一做的两分钟实验：在同一台 Galaxy 上，把同一段三句话的内容口述两遍——一遍用三星语音输入，一遍用 Google 语音输入——然后数一数你改了几处。人们关于 Gboard 和三星键盘孰优孰劣的争论没完没了，而答案确实因人而异，因为这两个识别引擎是用不同的数据训练出来的。

Assistant 语音输入，以及它为什么是 Pixel 专属

如果你的麦克风图标是彩色而不是灰色的，那你手上就是 Assistant 语音输入，它的上限要高得多。它是为"整段整段地说"而不是"零零碎碎地说"设计的，而且允许你说到一半插入指令："delete" 删掉最后一个词，"clear" 抹掉最后一句，"clear all" 清空整个输入框，"send" 直接把消息发出去。说出一个名称再加上 "emoji"——比如 "heart emoji"、"beer emoji"——对应的字形就会出现。

问题在于覆盖面。它只在很短的一串语言里上线过——其中包括英语、法语、德语、意大利语、日语和西班牙语——而且需要 Pixel 6 级别或更新的硬件。更新的 Pixel 还能识别你在一条消息中途切换到了哪种语言：如果你习惯中英夹杂，这很有用；如果你手上没有这种机器，读到这里只会让人恼火。

对其他所有人来说，普通的 Gboard 麦克风也够用——指令少一些，对长篇口述的耐心差一些。

三者横向对比

一句话版本：要准确度和指令找 Gboard，要唤起速度找三星，凡是比一条短信更长的内容找 Assistant。

把标点念出来，又不显得神神叨叨

在受支持的语言里，自动标点能处理那些明显的停顿，而且比过去好用多了。它做不到的是猜结构——它不知道你想要一个分段、一个冒号或者一对括号，所以这些得你自己念出来。

这套词汇短到一趟通勤就能背下来。在你想要标点的地方把它念出来——逗号、句号、问号、感叹号。想断一行就说"换行"，在消息应用里需要跳到下一行时就说"回车"。在支持的地方，"delete" 会删掉你刚说的那个词，比在句子中间去够退格键快得多。

把好口述和一锅粥区分开来的那个习惯，是先说结构、再说内容。口述得好的人，说出声来会有点怪，但产出的文本一个字都不用再收拾。

专有名词这道坎：安卓的内置引擎没有一个允许你教它自定义词汇，所以你的公司名、同事的姓氏、以及行业里的每一个缩写，都会一遍遍出错。免费的绕行办法是文本替换——编一个绝对不会被听错的触发词，把它映射到正确的写法，然后口述那个触发词。笨是笨了点，但一天能省下五次修改。

转向离线：语言包，以及你要付出什么

默认情况下，Gboard 会把你的音频送到谷歌的服务器，这也是为什么在酒店糟糕的 Wi-Fi 下口述会慢得像爬，在飞机上则彻底停摆。下载一个离线语言包，会把识别搬到手机本地，这也是大多数人能做的最划算的一个改动。

这个设置在 Gboard 的 语音输入 界面里，在很多手机上叫 离线语音识别，在 Pixel 上叫 Faster voice typing——同一件事，两种叫法。打开它，找到你的语言，下载。每个包大约几十兆。

你要付出的：语言比在线服务少得多，模型对生僻名字和背景噪音的宽容度也略差一点。你换回来的是速度、没信号也能用的口述，以及从不离开这台手机的音频——这是实打实的隐私差别，不是营销话术。

为什么它在信息里好用，在你的银行 App 里却不行

语音输入并不只由键盘说了算；你正在输入的那个应用也有发言权。应用可以把某个输入框标记为安全字段，这会一口气关掉语音输入、剪贴板建议和个性化学习。密码框和 PIN 码输入普遍如此，不少银行应用则把每一个输入框都这样标了。

所以当麦克风键在某个应用里变灰、在别处却一切正常时，并没有什么东西坏掉，也没有什么开关可找。是那个应用主动要求的。换个地方口述再粘贴过来，或者老老实实打字。

语音输入罢工时：症状、原因、修法

按顺序来——十次里有九次死在前两条上。

键盘上根本没有麦克风键

原因：键盘内部的语音输入是关着的，或者你用的是没有麦克风键的第三方输入法。

修法：键盘设置 → 语音输入 → 打开 使用语音输入。如果用的是花里胡哨的小众输入法，换回 Gboard 或三星键盘。

"No permission to enable voice typing"

原因：键盘被拒绝了麦克风权限，通常是几个月前在某个弹窗上点错了按钮。

修法：设置 → 应用 → 你的键盘 → 权限 → 麦克风 → 仅在使用该应用时允许。

任何应用里都录不上音

原因：系统级的麦克风总开关被关掉了。安卓有这么一个开关，而且很容易误触。

修法：下拉快捷设置，找那个带斜杠的麦克风图块，点回来。也顺便在设置的隐私部分检查一下麦克风权限。

口述几秒钟就断

原因：既没有可用的网络，也没有离线包，识别根本无处可跑。

修法：从"语音输入"界面下载离线语言包。之后有没有信号就不重要了。

出来的字是另一种语言

原因：语音输入跟着当前的键盘语言走，而不是跟着你正在说的语言走。

修法：在键盘设置 → 语言里把这门语言加上，然后在开口之前用地球键切过去。

设置莫名其妙变了，怎么改都不生效

原因：你配置的是这个键盘，手机用的却是另一个。Galaxy 出厂就装了两个。

修法：设置 → 通用管理 → 键盘列表和默认键盘，确认真正被选中的是哪一个键盘。

更新之后变慢了，或者开始乱码

原因：键盘更新后留下的陈旧缓存，或者一个带已知 Bug 的旧版本。

修法：先去 Play Store 更新键盘，然后 设置 → 应用 → 你的键盘 → 存储 → 清除缓存。是缓存，不是数据——清数据会把你辛苦养出来的词库一起抹掉。

什么时候内置键盘就不是趁手的工具了

上面说的全都是手机自带的那个键盘，而对于消息、搜索框和随手记的便签，它就是正确答案。回一条两行的消息，你外挂什么都比不过它。

上限出现在更长的文本上。内置听写把从你嘴里出来的东西原样转成文字，包括填充词和说了一半又推翻的开头，所以一口气口述出来的邮件仍然需要收拾。更新一代的键盘会边写边收拾——这一类工具我们在AI 键盘到底做了什么里拆解过，也在最佳 AI 听写工具的横评里逐个比过。Laxis 就自带一个，还带一本自定义词典，专治那些被通用引擎念得面目全非的人名和行话，在桌面端和移动端支持 100 多种语言。诚实的取舍是：它走云端处理，所以在隐私上、在飞机上，都比不过 Gboard 的离线包。

如果你手上同时还有一台 iPhone，那边的分工也是一样的——Apple Dictation 负责键盘，而 iPhone 上的语音备忘录负责录音频，而不是把它变成文字。

用说的代替打字——而且得到真能直接发出去的文字

Laxis 语音键盘能把语音变成干净、带标点的文本，支持 100 多种语言，还带一本收录你的人名和缩写的自定义词典。免费方案：每月 300 分钟。

免费试用 Laxis

说到底

安卓听写之所以落了个不靠谱的名声，问题不在识别——识别已经好用很多年了。问题在于，你的声音和文本框之间，横着三套引擎、两个键盘，以及一个极易被忽略的权限，而屏幕上没有任何东西告诉你，你现在跑的是哪一种组合。

花五分钟把它弄清楚。然后花一个星期，在公共场合大声说"换行"，并假装没注意到旁人的目光。

常见问题

安卓上怎么开启语音转文字？

点进任意文本框，按键盘工具栏上的麦克风键。如果没反应，要检查的两件事是：设置、应用、你的键盘、权限里的麦克风权限，以及键盘自身设置里的"使用语音输入"开关。两个都打开，那个键才会有动作。

为什么我的安卓手机上语音输入不能用？

最常见的原因是键盘应用的麦克风权限被拒绝了，其次是快捷设置里系统级的麦克风开关被关掉了。再往后，确认你实际在用的那个键盘就是你配置过的那个，因为很多手机出厂装了两个，而只有一个被设为默认。

安卓的语音输入能离线用吗？

能，只要你下载了离线语言包。在 Gboard 里，这个选项位于"语音输入"下面，视机型不同标为"离线语音识别"或 Faster voice typing。离线包覆盖的语言比在线服务少，每个通常有几十兆，但下载之后，没信号也照样能口述。

语音转文字用 Gboard 还是三星键盘更好？

Gboard 通常给出更干净的转写和更丰富的语音指令，而三星键盘胜在开口的速度，靠的是 Galaxy 手机上的电源键快捷方式。严格来说你并不用二选一：三星键盘允许你把 Google 语音输入设为它的引擎，同时保留三星的键盘布局。

安卓语音输入怎么加标点？

把标点当作句子的一部分念出来，比如逗号、句号、问号或感叹号。说"换行"或"回车"来断行。在受支持的语言里，系统还会边写边自动加标点，所以你主要只需要念出那些它猜不到的符号。

为什么有些应用里语音输入是灰的？

因为是那个应用要求的。密码框、PIN 码输入以及许多银行应用会把自己的输入框标记为安全字段，这会告诉键盘关掉语音输入、剪贴板建议和学习功能。没有东西坏掉，也没有设置可以覆盖它。真要用的话，换个地方口述好再粘贴进来。