近日，钉钉新版本上线智能语音输入功能，成为首个支持全场景 AI 语音输入的协同办公平台。不同于传统语音转文字，钉钉在语音识别基础上叠加了 AI 语义理解能力，开口即可成章，语音由此成为用户在钉钉上的原生工作语言。目前，该功能已覆盖千问办公、IM 消息、搜索栏、文档、AI 表格等钉内高频场景，同时支持在外部浏览器、桌面智能体平台等任何需要文字输入的环境中使用。

语音输入并不新鲜，但过去的语音输入解决的是听清，留下的是未经加工的口语原貌。钉钉智能语音输入要解决的是下一步：说完之后，内容能不能直接用。口语中常见的“嗯、那个”等填充词在转写时被直接过滤；语序散乱的长内容自动整理为清晰要点；说话时的口误和自我修正，比如“不对不对，我意思是”，不会留下改口痕迹，只保留最终意图。一段碎碎念说完，输出的就是能直接发的话。

在钉钉内，这意味着一个快捷键即可调度整个工作台：在千问办公中给 AI 下达指令，在 IM 对话框快速回复消息，在搜索栏用说话代替打字找人找内容，在文档中口述灵感和段落，在 AI 表格中用自然语言录入数据。用户不需要“想好再说”，AI 把“想到哪说到哪”变成“说完就能用”。

当 AI 的执行速度越来越快，人的表达速度就是新的生产力上限。支撑这一体验的，是阿里自研语音识别大模型 Qwen-Audio-3.0-ASR-Flash-Message。在全球权威 AI 评测平台 Artificial Analysis 上，Qwen-Audio 家族模型以 1.7% 字符错误率位列全球第一，超越 GPT-Realtime-2 等国际顶尖模型。钉钉智能语音输入所接入的，正是这一模型家族中面向消息场景深度优化的ASR引擎，在识别精度之上进一步强化了语义整理和意图提取能力。

即日起，所有用户升级至钉钉最新版即可免费使用：Windows 端长按右 Alt 键唤起，Mac 端长按 fn 键唤起，移动端点击对话框话筒按钮即可开口。

文章纠错