2026 年 Windows 的语音输入现状
Windows 用户历来拥有比 Mac 用户更多的听写选项——一方面是因为 Dragon NaturallySpeaking 正是在 Windows 平台上建立起自己的声誉，另一方面 Windows 开放的生态系统也吸引了更多第三方工具进入。但格局已经发生了相当大的变化。
随着 AI 驱动的替代品涌现，Dragon 的主导地位有所动摇。Windows 语音输入持续改进。基于 Whisper 和其他现代模型的新型按键说话工具也陆续入市。以下是 Windows 语音输入选项的完整图谱。
Windows 语音输入（内置，Win+H）
Microsoft 内置的语音输入工具，通过 Win+H 快捷键唤起，是零门槛的起点。它适用于大多数 Windows 文本字段，支持自动标点，完全免费。
工作原理： 按 Win+H，屏幕出现浮动麦克风小组件。说话，文字出现在当前活动字段中；说「stop listening」或再次按按钮即可停止。
准确率： 在安静环境下处理英语表现良好。自 Windows 10 最初推出以来，Microsoft 已大幅改进底层模型，日常对话语音的识别相当可靠。
自动标点： 功能可用，效果合理。大多数句子无需口头说出「句号」「逗号」，系统会自动推断。
语言支持： 相比基于 Whisper 的工具，支持语言范围较窄。截至 2026 年，Windows 语音输入支持约 25 种语言。
局限： 无 AI 增强；仅适用于 Windows 文本字段，并非所有应用均支持；无自定义模式；输出为原始转录。
最适合： 偶尔需要语音输入、不想安装任何软件的 Windows 用户。
Dragon Professional（Nuance）
Dragon Professional 依然是 Windows 听写准确率的金标准，尤其在专业词汇领域。买断价 $699 是一笔不小的投资，但它提供其他工具无可匹敌的能力。
准确率： 优秀，经过声纹训练后表现更出色。Dragon 会随时间持续学习你的声音模式和词汇习惯。在医疗、法律或技术术语上，Dragon 针对已训练词汇的准确率超越通用模型。
自定义词汇： 可以添加领域专属术语、专有名词和专业短语——这是 Dragon 最大的竞争优势。
集成深度： 深度 Windows 集成，包括通过语音控制应用。Dragon 可以导航菜单、点击按钮、控制操作系统功能，远超单纯的文字输入。
延迟： 对于已训练声纹几乎即时响应，一致低于一秒。
局限： 前期成本高，主产品无订阅选项；软件架构相对陈旧；无 AI 增强或文本格式化，完全逐字转录；Mac 版已停产。
最适合： Windows 平台上需要专业词汇高精度识别的法律、医疗或金融从业者。
Telvr（Windows 版本开发中）
Telvr 目前是 macOS 应用，Windows 支持正在积极开发中。核心体验——按键说话 + AI 增强、系统级文本插入、Whisper large-v3 准确率——均计划带到 Windows 平台。
Windows 用户可以期待什么： 与 macOS 用户今天所使用的完全相同的工作流。在任意应用中按住热键，说话，松开，约两秒内在光标位置获得格式化文字。六种增强模式覆盖邮件、会议记录、摘要、开发任务和通用清洁校正。
对 Windows 的意义： 目前没有任何 Windows 工具能在简洁的按键说话界面中同时具备 Whisper 级转录准确率、AI 文本增强和真正的系统级插入能力。Windows 语音输入缺乏增强；Dragon 缺乏现代 AI 格式化；Whisper 工具缺乏集成深度。
定价： EUR 3/月最低消费 + EUR 0.003/分钟——与 macOS 版本相同。
如果你在 Windows 上且对这种工作流感兴趣，在 Telvr 官网加入候补名单，Windows 版本发布时第一时间收到通知。
基于 Whisper 的工具（Windows）
多个社区和商业项目为 Windows 带来了 Whisper 转录能力：
Whisper 本地 CLI： 直接在 Windows 上运行 Whisper。需要 Python 环境，以及支持 CUDA 的 GPU 以获得快速推理（CPU 也可运行较小的模型）。输出原始转录，无增强功能。
MacWhisper 的 Windows 等效工具： 数款 Windows 应用将 Whisper 封装进基础界面。大多为文件式（录制音频，获取转录），而非实时键盘替代方案。
局限： 所有现有 Windows Whisper 工具均需手动集成工作；没有任何一款能提供 Telvr 在 macOS 上那样的按键说话系统级插入体验；均无增强层。
最适合： 开发者、注重隐私的用户，或愿意自行搭建管道的技术用户。
Google Voice Typing（Chrome）
Google 语音输入在 Windows Chrome 浏览器中可用，能在 Chrome 内任意 contenteditable 字段工作，准确率得益于 Google 海量的训练数据。
局限： 仅限 Chrome 内使用，不支持原生 Windows 应用；无增强；涉及 Google 数据处理的隐私顾虑。
最适合： 主要在 Chrome 中工作、需要免费网页应用语音输入的用户。
Windows 语音识别（旧版）
比 Windows 语音输入更早的版本，通过控制面板或搜索访问，提供更多语音命令，但准确率不及现代的 Win+H 实现。它在很大程度上已被 Windows 语音输入取代——除非你特别需要其应用控制命令，否则可以直接跳过。
对比表
| 功能 | Windows 语音输入 | Dragon Professional | Telvr（macOS） | Whisper（本地） | |---|---|---|---|---| | 平台 | Windows | Windows | macOS（Win 开发中） | 两者均支持 | | 系统级插入 | 大多数应用 | 有 | 有 | 需自定义配置 | | AI 增强 | 无 | 无 | 有（6 种模式） | 无 | | 延迟 | 1–3 秒 | 低于 1 秒 | 低于 2 秒 | 3–15 秒 | | 语言支持 | 约 25 种 | 约 15 种 | 50+（自动检测） | 99 种 | | 价格 | 免费 | $699 买断 | EUR 3/月 + 用量 | 免费 | | 自定义词汇 | 无 | 有 | 自定义提示词 | 无 |
对 Windows 用户的建议
当前现实： 2026 年的 Windows 用户还没有一款工具能同时兼具现代 AI 准确率、文本增强能力和无缝的系统级集成。填补这一空白正是 Telvr Windows 版本的目标。
在此之前：
偶尔使用、零费用的语音输入： Windows 语音输入（Win+H）是显而易见的起点。自动标点和改进的准确率让它能应对日常任务。
需要专业词汇的从业者： Dragon Professional 依然是 Windows 用户唯一真正可用的选择，尤其是需要自定义词汇训练和高精度领域术语识别的场景。
追求最佳转录的技术用户： 通过 Whispering 等社区封装工具使用本地 Whisper，可以获得 Whisper 的准确率，但需要自行配置，且输出为原始文本。
希望体验 Telvr 的 Windows 用户： 加入候补名单。macOS 版本已经展示了 Windows 版本将带来的体验。
Windows 市场的这一缺口相当显著——而它正是现代按键说话工具叠加 AI 增强所要填补的位置。