年费千元的AI输入法Typeless：靠“口喷”取代键盘，我再也回不去了

编者按：

当 AI 开始寻找自己的形状，有些选择出人意料。

AI 在智能手机上生出了一颗独立按键，似乎让智能手机找回了久违的进化动力。眼镜凭借着视觉和听觉的天然入口，隐隐有了下一代个人终端的影子。一些小而专注的设备，在某些瞬间似乎比 All in one 的设备更为可靠。与此同时，那些寄望一次性替代手机的激进尝试，却遭遇了现实的冷遇。

技术的落地，从来不只是功能的堆叠，更关乎人的习惯、场景的契合，以及对「好用」的重新定义。

爱范儿推出「AI 器物志」栏目，想和你一起观察：AI 如何改变硬件设计，如何重塑人机交互，以及更重要的——AI 将以怎样的形态进入我们的日常生活？

用传统的软件分类很难给 Typeless 找到一个合适的位置。

它与输入法截然不同——界面上几乎看不到键盘，最显眼的是一枚语音按钮。也不像那些宣称“AI 加持”的输入法，它们喜欢把各种功能铺满首页，塞满首页，而 Typeless 提供的功能少得可怜，仿佛刻意把选择题简化成了一道填空题。

这种不合群带来一个关键词：越界。

输入法原本是为人与人沟通服务的，目标清晰——打字更快，选词更准。Typeless 把边界往外推了一步，它更在意把自然语言说出的需求梳理得井井有条。它从语言中提炼想法，或者更准确地说，它从一段话里捞出真正的意图，再把意图写成一段可以直接使用的文字。

输入的对象变了。不只是写给人的，更多是写给模型的。

一款会思考的输入法

我第一次意识到它“会思考”，是在一次最普通的口述中。

说话时会有绕圈子、补充说明、重复，还会用很多填充词。Typeless 的输出更像是想清楚之后才落笔的版本——句子更短，信息更集中，语气更收敛。它并不执着于把说过的每一个音节都保留下来，更在乎到底想表达什么。

口述内容被 Typeless 转写后

临时改主意时，差别更明显。传统的听写会把自我修正一股脑堆在屏幕上，留下许多中间状态。Typeless 更像把中间态折叠起来，只留下最后的“定稿”。屏幕上出现的不是过程，而是结果。

需要把一段想法拆成条目时，用普通输入法得先说完再自己排版。Typeless 往往会主动把结构摆出来，逻辑顺序更清楚，段落边界更干净。它像是随手把笔记整理了一遍。

“边说边改”是另一种用法。说完一段话，紧接着补一句改写要求——更克制、更正式、更短，或者把语气改成邮件——它会在原文上直接调整。不需要停下来选字、删句、重写开头，只要继续说出修改意图。

翻译也是高频场景。需要中英来回切换时，它把翻译变成输入动作的一部分。更省心的是语气处理，它不会把句子翻得像说明书，整体更接近日常沟通。

在办公室或通勤场景里不方便大声说话？它提供了小声输入等模式。语音输入过去常被“场合”限制，这类适配决定了它能否真正用起来，而不是只在安静房间里表现良好。

常用表达也能做成快捷方式——一段固定格式的确认信息，一段常用的工作回复。Typeless 更像把这些做成可调用的块，减少重复劳动。输入法从“敲字”变成“调度”。

这些体验汇总到一个点上：Typeless 一直在 Thinking。它把杂乱的口语消化掉，再把更有条理的文字吐出来。它不追求完整复刻说话的全过程，它在整理真正的想法。

这是它最不一样的地方。

AI 器物的新物种

在讨论 AI 产品时，我们更习惯看到的是软硬结合的新尝试——智能眼镜、AI 耳机、豆包手机，它们在新场景里重新定义硬件的形态和交互方式。Typeless 走的是另一条路。

它是纯软件工具，但本质上仍然是硬件的延伸。

从打字机到键盘，再到输入法，这条线索一直存在。打字机把手写变成了机械敲击，键盘把机械敲击变成了电信号，输入法把电信号变成了字符选择。每一次演进，都是在人与文字之间增加一层更高效的转译机制。

Typeless 延续了这个逻辑，但加入了一个新元素——AI 不再只是辅助选字或纠错，它成为输入链路的核心。

传统输入法关心的是“把字打出来”，效率体现在敲击次数、选词准确率、响应速度。到了模型时代，真正消耗时间的往往不是第一次把需求说清楚，而是后续的反复修改。一次改动里夹着大量细节——语气、结构、删改尺度、信息顺序，每一项都需要来回拉扯。人工沟通的成本会在这一步迅速膨胀。

Typeless 解决的就是这段拉扯。

它让“说一句—改一下—再说一句—再说一句——再改一下”变得顺滑，五到十分钟内把十轮调整连续做完。每一轮都能直接看到结果，马上继续下一轮。输入不再以“把字符敲完”为终点，而是以“文本进入可继续加工的状态”为终点。

这里出现了一个新的“精准输入”。

打字机和键盘诞生时，精准指向的是某个字、某句话。AI 时代的输入变长了，上下文变厚了，沟通频次也变高了。现在的精准更像针对一段超长上下文的控制：按想要的方式分段，或者连写；把某一句压短，或者把某一段扩写；要求它不要分点，或者把逻辑拆成几条。

控制对象变了，受对象变了，输入法的职责也随之变化。

这也是“给 AI 用的输入法”的含义。

Prompt 由 Typeless 转写而成

Typeless 的重点不在社交表达的情绪张力，它更适合把需求交给模型，再把模型产出收拢成能用的文本。它强化的是人与 AI 的沟通效率。商业模式也很符合这种取向——界面极简，没有广告位，付费方式更像“为结果付费”。订阅用户不限量，非订阅用户每周有固定额度。产品用得越多，价值越容易被衡量。

把它放回国内输入法的语境，对比会更清晰。

老派输入法以搜狗为代表，今天也能加上“AI”二字，也能提供一堆 AI 功能。但它依旧像原来的产品——键盘还在，广告和功能标签也还在。输入法被迫承担太多与输入无关的任务，效率容易被稀释。

搜狗 AI 输入法

另一类是 AI 工具的延伸，比如豆包或微信输入法，它们更像把既有的 AI 能力塞进键盘里，做成一个入口。入口当然有用，但入口并不等于工具。入口解决的是“去哪里用 AI”，Typeless 更关心“怎样把 AI 用得更精确”。

左边为豆包输入法听写，右边为 Typeless 听写

真正的 AI 输入法，服务的对象变了。它主要服务与模型的高频与模型的高频沟通，服务长上下文里的精确控制，服务反复修改直到结果落地。它不需要把自己做成一个热闹的广场，它只要把那条最难的链路打通。

它也有副作用。用它跟同事沟通时，偶尔会显得过于干净，像把语气里的缓冲都删掉了。对方会觉得不够有人味。你会在这个场景里切回普通输入法，手动敲几句更口语的句子，补一个表情，或者加一段无意义的笑声。这不是 Typeless 的问题，而是它的真实位置——它最自然的场景最自然的是与 AI 沟通，不是与人闲聊。

给同事发显得有点“人机”感

输入法向来是残酷的赛道。到处都能用，也意味着到处都会被挑剔。每一次卡顿、每一次误判、每一次隐私疑虑，都会直接影响它能否留下来。Typeless 要证明的不是“模型有多强”，而是“日常输入是否真的变快、变准、变省心”。

当人与 AI 的沟通变得日常，输入法可能会成为最隐蔽、也最核心的接口。它要做的不是替用户写完一切，而是把说出的信息整理成更可控、更可迭代的文本，让“多轮修改”从一种负担变成一种自然动作变成一种自然。

这类产品最终能不能站住脚，取决于两件事：一是它能否在所有细碎场景里保持稳定，二是它能否让“为结果付费”变得理所当然。

输入层向来没有中间地带——要么融入习惯，要么被迅速替换。Typeless 作为 AI 产品演进史上的一个新节点，把自己定位在了那条更窄、也更陡的路上。

One more thing： 我们是怎么用嘴“喷”出一篇文章的

上面的这些文字，以及下面的部分文字，我们全程只动了嘴皮子，指挥 Typeless、ChatGPT、Claude 等工具完成，没有手打一个字。

按照以往，要写一篇这样的文章，最少要花上 2 个小时，现在只用了 30 分钟。

先介绍一下这个产品的具体细节。Typeless App 支持手机端的 iOS 和 Android，以及电脑端的 Windows 和 Mac。

免费方案提供每周 4000 字转写；而付费没有字数的限制，每个月 30 美元，每个季度 60 美元，一年 144 美元。

这个价格并不便宜，但它很符合 AI 时代“付费交货”的结果导向模式。即使是免费用户，也不会遇到广告和太多限制，主要的差距仅限转写字数。

其实 Typeless 不太像一个“输入法”，它完全没有传统的键盘，只有少数几个按键，更不用提什么 AI 斗图、表情包的功能，只做好“语音转文字”的本职工作。

我很喜欢 Typeless 在设备上全局的集成形式——手机上是输入法，电脑上是热键，让它可以像 AI 助手一般跨应用使用，这是 ChatGPT 无法给出的细节体悟。

整个过程还挺有意思。一开始我们只是想测试用 Typeless 和 ChatGPT 进行写稿的过程，随着一轮一轮的对话深入，稿子不断打磨，最终出来了一篇观点明确的文章，不仅行文流畅，AI 味也很少。

一开始，我们给抛出了一些初步的想法，关于 Typeless 这个产品的一些观点，以及资料收集和写作注意事项，这些“意识流”的口述被 Typeless 整理成条理清晰的文字，直接用作 ChatGPT 的提示词。

ChatGPT 给出的第一版稿件没啥信息量，结构也不正确，语言平铺直叙还很有 AI 味，距离一篇好看的文章还有不小距离。换做平时，想要给细致的修改建议，不免要花大量的笔墨给出新的提示词。

Prompt 由 Typeless 转写

但现在我们有 Typeless，只要把听写打开，我们可以从头到尾一句一句提修改意见们视并根据文段补充相应的观点和叙述。

Prompt 由 Typeless 转写

我们需要尽可能给出细节，比如对比 Typeless 和搜狗、豆包、微信输入法区别的部分，就需要强调这几种产品的差异，AI 在写作时才能凸显 Typeless 的优势。

Prompt 由 Typeless 转写

经过几轮的修改，ChatGPT 生成的内容已经相对完善，这时候我们可以换用 Claude 进行润色。

我们首先给 Claude 喂了几篇爱范儿写过的 AI 新硬件文章，让它充分学习我们行文的风格，据此来修改 ChatGPT 的草稿。

Claude 的初稿也还有提升空间，这时候我们可以继续用 Typeless 帮我们转述一些相对更细节的修改建议，直到满意为止。

Prompt 由 Typeless 转写

其实我们对着 Typeless 侃侃而谈的文本量，累计可能已经比最终的成稿还要大，但出稿的效率大大提升，并且过程要比单纯写作更加轻松。

AI 时代，Typeless 应该“无处不在”

一开始试用 Typeless 的时候，作为一个不太习惯用语言来梳理想法和表达自己，也不需要长篇大论去表达想法的人，我会觉得它不适合我，更适合天天需要给出大量反馈的领导、Mentor、甲方人群。

但进一步探索使用之后，我觉得我还是狭隘了。在这个 AI 时代下，Typeless 不应该只是一个独立的 App，更应该成为一种“标配”无处不在。

从小处说，“语音转文字”，远远不能停留在“准”，在 AI 时代下更应该追求“精”。以后发语音转文字就全是精炼的信息，而不是满屏的“呃”“那个”以及口误。

42 秒的语音有用信息只有 10 个字

比起给爸妈手机装一个 Typeless，我更希望类似的功能直接集成到微信中——或者说，所有应用内置的“语音转文字”功能，都值得以 Typeless 的方式重做一遍。

更大的价值，在于 Typeless 给 AI 交互提供了一种新的可能。

哪怕是每天都在写稿，我的表达能力经常追不上自己的想法。甚至不是写稿，只是用键盘和 ChatGPT 对话，很多时候火花在敲击字母的时候就已经熄灭。

改成开口说话，事情会轻松很多。我不必先想好结构，也不用马上挑最精确的词，语言会先把材料“拽”出来，观点和洞察会更自然而然流淌。

这就像在现场指导一个实习生做修改，指令可以很细，细到每一句话如何落地——是的，我们每个人都有了 AI 作为“乙方”。

指望“一句话”让 AI 生成一切，基本不现实，信息密度太低，AI 很容易离题，素材又撑不起来，于是成品常常空、泛、虚，表面上写完了，读起来却像没落过笔。

对于 AI 来说，“上下文”很大程度决定了生成的质量，我们必须要给模型“喂”大量的想法、观点和语料，才能得到更符合预期的结果。为什么这两年内存价格大涨？要运行和训练 AI，超大的上下文必不可少，于是 AI 行业产生了对内存的巨大需求。

用 Typeless 的体验，更像是在给 AI 喂一份更丰富的语料，生成的内容有据可依，观点也够牢靠，AI 更多只是负责把这些碎片变成更好读的文章。

所以，不仅微信可以集成类似 Typeless 的功能，所有的 AI 公司，完全可以把这种“AI 翻译层”集成在聊天机器人之中，引导用户把提示词往多了说。

而只要用户给 AI 注入的内容够多，AI 模型能力的差距，也会被进一步缩小。

用 Typeless 转写的超长 Prompt

或许有人会对 Typeless-ChatGPT 这套解决方案有点悲观，以为意着人类创作真的会彻底在 AI 时代消亡。

是，但又不全是，Typeless 只能消除“写作”这件事的成本和门槛，但却进一步凸显出“思想”的重要，让人类的感悟、观点、洞察变成了写作真正的核心。

#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。

原文链接 · 新浪微博