这篇能做出什么
按这篇走完,你会得到一条可重复的口述流水线:打开 ChatGPT 的听写入口 → 用嘴说一段话,屏幕上实时出文字 → 用一句话指令让它把口语稿整理成可以直接发出去的文本(会议纪要、周报、需求说明、邮件、公众号初稿)。整个过程不需要切换输入法,不需要手动打标点,也不需要事后逐句改错别字。
适合的场景很具体:走路时想到一个方案要记下来、开完会趁记忆新鲜复述一遍、写日报时不想敲键盘、给同事解释一个问题的来龙去脉。不适合的场景也很具体:需要精确引用数字和法条的正式文件、多人同时说话的会议录音、需要保密的敏感信息。
下面按“能跑通一次 → 能稳定跑通 → 能批量跑通”的顺序展开。
前置条件清单
开始之前确认这几项,缺一项都会卡住:
- 一个可用的 ChatGPT 账号,且你的客户端/网页端已经提供听写或语音输入入口(功能开放范围随账号与地区变化,以官方页面当前说明为准)。
- 手机 App 或桌面客户端。移动端在通勤、走动场景更实用;桌面端适合边看资料边说。
- 一个安静的环境,或者一副带麦克风的耳机。外放 + 免提是最容易出问题的组合,回声会让转写反复自我打断。
- 网络稳定。听写依赖实时上传音频,弱网下会出现“说了一长段,只出来半句”。
- 一段 100~200 字的测试素材,随便什么都行,比如“介绍一下我上周做的三件事”。
另外准备一个东西:你自己的术语表。把常说的产品名、项目代号、人名、缩写列出来(十个以内就够)。听写最容易错的就是这些词,提前列好,后面让它统一替换。
第一步:先分清两个入口,别走错门
ChatGPT 里有两个容易混淆的语音入口,用错会浪费很多时间:
语音对话模式:你说一句,它答一句,输出的是它的回答。适合讨论、追问、练口语。
听写模式:你说的话被转成文字,落在输入框里,不直接发送。你可以先看一眼、改两个字,再决定发不发。
做文字工作流要用的是第二个。判断方法很简单:说完一段话后,看结果是“它回应了你”还是“你的话变成了输入框里的文字”。如果是前者,退出语音对话,找输入框附近的听写/麦克风入口。
入口位置随客户端版本变化,通常在输入框右侧的麦克风或声波图标;有的版本把听写放在语音模式内的一个切换项里。找不到就在设置里搜“dictation”或“语音输入”,以应用内实际界面为准。
第二步:做一次 60 秒校准
第一次用别急着写正式内容。说一段带标点、带分段的测试话:
```text
第一段。今天我们讨论三件事,第一是排期,第二是预算,第三是人力。
换行。
第二段。排期这块,我建议把上线时间往后挪一周,原因是测试环境还没就绪。
```
观察三件事:
1. 句号位置对不对。如果你说了“第一段”后面停顿,它自己断句了,说明自动标点在工作。
2. “换行”这个词有没有被识别成段落。如果被当成正文写进去了,说明这个客户端不吃口头分段指令,后面要改成“说完一段停 2 秒”或者事后手动分段。
3. 专有名词错没错。错的话记下来,进术语表。
这一步花一分钟,能省掉后面反复试错。
第三步:掌握触发与停止的手感
听写的核心操作只有两个动作:开始、结束。注意事项:
- 开始前先想半秒。开口第一个字经常被吃掉,尤其是按下去立刻说话的时候。养成“按下 → 停半拍 → 开口”的习惯。
- 说完别马上松手/退出。留一到两秒,等最后一句落定。急着结束会截断尾句。
- 长内容分段录,不要一次说十分钟。建议单次 1~3 分钟为一段,说完一段检查一眼再继续。这样即使中途识别崩了,损失也小。
- 被打断就重来这一句,不要在错字后面接着往下说,越接越乱。
如果你在桌面端,可以留意设置里有没有听写快捷键;有的话把它记成肌肉记忆,比每次找图标快很多。快捷键的具体组合以你客户端里的设置为准。
第四步:用口语控制标点和段落
这是整个工作流里最值得练的一项技能。三个层次,从简到繁:
层次一:完全交给自动标点。 正常说话,靠停顿断句。适合短消息、随手记。缺点是长句容易一逗到底。
层次二:口头念标点。 需要精确断句时,把标点念出来:
```text
这次改版有三个目标:第一,把首页加载时间降下来;第二,把注册流程从五步减到三步;第三,把客服入口放到首屏。逗号。这三点里,第一点优先级最高。句号。换行。下面说排期。
```
常见的口头指令有“逗号”“句号”“问号”“冒号”“换行”“另起一段”“括号”。不同客户端对这些词的支持程度不一样,测一遍你就知道自己那份能吃到哪些。
层次三:说结构,不说标点。 这是效率最高的做法——不念标点,改成在口述时把结构讲清楚:
```text
下面是本周周报。第一部分,本周完成。第一件事,完成了登录页改版。第二件事,修了三个线上 bug。第二部分,下周计划。主要是把支付流程的联调做完。第三部分,需要协调的事。需要设计同学在周三前给出图标。说完了。
```
然后让模型按这个结构去排版。人负责内容和结构,机器负责标点和分段,分工最合理。
一句提醒:口头标点在中文里识别率通常不错,中英混说时(比如“这个 API 后面加个逗号”)容易出岔子,混说场景建议直接用层次三。
第五步:让它在转写的同时做整理
转写只是半成品,口语稿直接发出去会很灾难:口头禅、重复、半截话、没有小标题。解决办法是准备一段固定的整理提示词,每次粘在同一条会话里,或者写进自定义指令里长期生效。
一段可以直接照抄的整理提示词:
```text
你是我的口述整理助手。下面是我口述的原始转写稿,请按以下规则处理:
1. 只整理,不创作。不得添加我没说过的事实、数字、人名、时间。
2. 删除口头禅和重复表达(比如“那个”“就是说”“然后然后”),把半截话补成完整句子。
3. 修正同音字与错别字,重新安排标点和分段。
4. 如果我念了“第一部分”“第一件事”这类结构词,就按它生成小标题列表;如果没念,就按内容自动分成 2~4 段。
5. 输出格式:先用一句话概括结论,再给要点列表,最后单列“【待确认】”清单,把我说得含糊、缺少具体信息的地方列出来,不要替我猜。
6. 不要用“首先/其次/最后”“综上所述”这类套话,不要加开场白和结束语。
原始转写稿:
"""
(粘贴转写内容)
"""
```
这套规则里最关键的是第 1 条和第 5 条。第 1 条防止它编数字——口述稿里最容易出的错就是模型“顺手”把你没说的日期补上。第 5 条把“我不确定的地方”显式暴露出来,你一眼就知道哪里要补。
不同场景换个壳就行:
- 会议纪要:把第 5 条换成“按【结论】【决议】【待办(负责人+时间)】三段输出”。
- 需求说明:加一条“把口语里的‘大概’‘差不多’替换成明确范围,并列入【待确认】”。
- 对外邮件:加一条“语气改为书面、简洁,控制在 200 字以内”。
第六步:跑一遍完整流程
拿一个真实任务走通,比如写周报:
1. 打开听写,用“层次三”的口述结构说完三部分,约 90 秒。
2. 检查输入框里的文字,只改明显错字,不动结构。
3. 发送,并在同一条消息里粘贴上面的整理提示词(或者提前写进自定义指令,直接发“按周报格式整理”)。
4. 拿到整理稿,重点看【待确认】那一段,把缺的信息补上。
5. 复制到最终载体(文档、邮件、IM),发出。
整个流程大约 3~5 分钟。熟练之后会比打字快,而且因为是“说出来”的,逻辑通常比边想边打更顺。
常见坑与排错
说了一长段只出来半句。 多半是网络抖动或中途切了后台。对策:单段控制在 1~3 分钟,说完停顿再停;重要内容分两次录。
标点全乱、一逗到底。 自动标点对长句不友好。对策:主动在句末做明显停顿,或者改用口头念“句号”。
同音字反复错。 典型如“实施/实施”“公式/公事”“权限/全限”。对策:把这些词写进术语表,在整理提示词里加一句“以下词汇请按此写法统一:……”;或者在口述时多给一个上下文词,比如“权限,就是账号权限”。
中英混说被转成乱码。 中文里夹英文缩写时放慢速度,或者干脆先口述中文、事后手动补缩写。
它开始“帮我发挥”。 说明提示词约束不够。把“不得添加我没说过的事实”提到第一条,并明确“信息不足时列入【待确认】,不要推测”。
听写结果直接发出去了。 记住听写只负责把语音变成输入框里的文字,发送键还是你自己按。把它当成“会打字的速记员”,而不是“会替你回复的助理”。
环境回声导致自我打断。 外放时麦克风会收到模型的声音。戴耳机,或者改用纯听写(不听语音回复)的模式。
隐私。 不要在听写里念密码、证件号、客户名单、未公开的财务数字。需要口述这类内容时,用占位符代替,事后手动填。
关掉再打开,历史找不到。 转写内容属于会话的一部分,新建会话就看不到了。重要内容当场复制到自己的笔记里。
下一步建议
跑顺之后,往三个方向加码:
一是把整理提示词模板化。 给周报、会议纪要、需求说明、复盘各写一个模板,存成快捷短语或文本片段,用的时候一句话调出来。
二是建立个人术语表并持续维护。 每次发现转写错了一个专有名词,就往表里加一行。一个月后错字率会明显下降。
三是把口述变成输入习惯。 从“打字为主、口述为辅”切换到“先口述出结构,再手动补精确信息”,尤其适合写长文档和做方案初稿。
如果你需要处理的是已有的录音文件而不是实时口述,这条路走不通,得换用转写类工具或接口批量处理——但整理那一步的提示词是可以直接复用的。
