Outlook 的内置听写按钮需要 Microsoft 365，并使用 Microsoft 较旧的语音引擎。StarWhisper 是免费的，在本地运行，使用 OpenAI Whisper 实现更高的准确率，并且适用于经典版 Outlook、全新版 Outlook 和网页版 Outlook。
适用于经典版 Outlook、全新版 Outlook 和网页版 Outlook。
从主页或 Microsoft Store 下载 StarWhisper。首次启动时安装程序约为 200 MB，因为它捆绑了 Whisper 模型。无需注册账号，无需信用卡，无需云服务。安装后，启动应用程序并完成 30 秒的设置（默认麦克风、热键选择，其余接受默认设置）。然后，该应用程序会驻留在系统托盘中，不会打扰您。
启动您使用的任何 Outlook 版本：经典桌面版、全新版 Outlook（重建的 UWP 版本）或浏览器中的网页版 Outlook。单击“新建邮件”（或按 Ctrl+N）打开撰写窗口。回复和转发的工作方式也是一样。您不需要在 Outlook 内部启用任何东西，没有加载项，没有设置，没有开关。StarWhisper 完全在 Outlook 外部运行。
将光标放在邮件正文中，也就是您希望听写文本出现的确切位置。您也可以通过先点击相应的位置，将内容听写到主题行、收件人/抄送/密送字段或 Outlook 中的任何其他文本输入框中。规则很简单：键盘光标在哪里，StarWhisper 就会在哪里输入。这就是为什么它在经典版、全新版和网页版 Outlook 中同样出色的原因。
按住默认热键（右 Alt 键）。屏幕角落会出现一个小小的录音指示器。自然地说出您的邮件内容。您可以说“逗号”、“句号”、“新段落”、“问号”，或者干脆让引擎根据语调自动添加标点，Whisper 在这方面做得很好。话语越短、越自然，转录效果就越好，但它也能处理长篇独白。
松开热键。在一两秒内（如果您有 GPU 则更快），转录文本就会像键盘输入一样出现在 Outlook 正文中。通读一遍，修正罕见的错误，点击发送。您也可以在行进中继续按住热键进行额外的听写以添加段落，或者将听写与正常打字混合使用，以处理语音难以识别的技术细节（型号、URL）。
更高的准确率，无需订阅，适用于更多场景。
Outlook 的听写按钮仅出现在 Microsoft 365 订阅帐户和最近的永久许可证中。StarWhisper 完全不依赖 Microsoft。免费的网页版 Outlook、较旧的 Outlook 2016 或任何 365 层级都能获得相同的听写体验。
Whisper 的基准准确率约为 98%。Microsoft Speech（Outlook 听写使用）的准确率更接近 88% 到 92%，具体取决于口音和词汇。这种差异在带口音的英语、姓名、技术术语和较长的话语上最为明显。准确率详情。
目前这三种 Outlook 版本正在出现分化。Microsoft 的听写按钮在经典版和 365 网页客户端中最为可靠。StarWhisper 在所有三个版本中的工作方式完全相同，因为它是在操作系统层进行输入，而不是作为 Outlook 加载项。
Whisper 支持 96 种语言，并会自动检测您正在说的语言。先用英语回复，然后立即用德语回复，接着用日语，无需更改任何设置。非常适合国际支持、销售和招聘团队。
StarWhisper 本地模式完全在您的 CPU 或 GPU 上处理音频。音频永远不会离开设备。适用于合规环境（法律、医疗、人力资源），适用于在飞机上或信号较弱的区域工作，或者适用于限制传出音频的共享工作站。隐私详情。
相同的安装即可听写到 Word、Excel、Teams、浏览器、Slack、Notion 以及任何其他 Windows 文本字段中。通用应用覆盖范围。
Microsoft 大约在 2018 年为 Outlook 添加了听写按钮，并在此后逐步改进。它是有效的。对于在安静房间中使用高端麦克风进行的一次性短消息，它可以胜任。但有三个持续存在的问题促使人们寻找替代方案。
首先是语音模型。Microsoft 使用自己的语音引擎，该引擎已经存在多年，并获得了稳定但微小的更新。相比之下，OpenAI Whisper 接受了 680,000 小时的多语言音频训练，在标准测试集中的词错误率大约低 6 到 10 个百分点，而且这种差距在带口音的英语、技术词汇、姓名和较长的话语上还会进一步拉大。对于听写错误报告的软件工程师或在面试后听写候选人笔记的招聘人员来说，这些正是 Microsoft Speech 感到吃力的条件。
其次是订阅门槛。听写功能区按钮是 Microsoft 365 的一项功能。如果您使用的是永久授权的 Outlook 2019 或更旧的版本，它根本就不存在。如果您的组织让您使用更便宜的 365 层级或非商业版本，该按钮可能也会缺失。
第三是全新版 Outlook 的过渡。Microsoft 正在推出基于 Web 技术的全新版 Outlook，以逐步取代经典的 Win32 桌面应用程序。听写按钮在两者中都有效，但底层行为略有不同，热键也有所不同，而且加载项无法干净地转移。在混合版本组织中的用户最终会遇到不一致的听写行为。StarWhisper 避开了所有这些问题，因为它不是 Outlook 的一部分；它在操作系统级别将文本输入到活动文本字段中。
在常见的电子邮件听写条件下的近似词错误率（越低越好）：
| 条件 | Microsoft Dictate | StarWhisper (Whisper) |
|---|---|---|
| 母语英语，安静房间，头戴式麦克风 | ~5% WER | ~2% WER |
| 母语英语，笔记本麦克风，办公室噪音 | ~10% WER | ~4% WER |
| 带口音的英语（印度、中国、东欧） | ~15-22% WER | ~5-8% WER |
| 技术词汇（型号、行话、首字母缩写） | ~18% WER | ~6% WER |
| 长文本（3 个以上段落） | ~12% WER | ~3% WER |
| 非英语（德语、西班牙语、法语、日语） | ~12-25% | ~3-7% |
数字为近似值，因麦克风、房间和内容而异。这种规律在对电子邮件听写最重要的条件下依然成立：较长的消息、技术内容和带口音的说话者。
StarWhisper 没有关于“Outlook 字段”的特殊概念，这正是让这一切简单运作的原因。键盘光标在哪里，转录的文本就会出现在哪里。以下是一些实用的模式：
点击进入“主题”字段。按住热键。说出主题。松开。完成。主题通常很短，因此听写几乎瞬间完成。
点击进入正文。按住热键并一口气听写完整条消息，或者分几次进行。您可以在各次听写之间思考；当您松开热键时，引擎会独立处理每一次的听写。将听写与正常打字混合使用，以处理那些难以说出口的片段（URL、代码、技术配置）。
用处不大，因为 Outlook 的自动补全功能对于已知联系人来说非常快。但是您可以听写地址，然后在输入前几个字母后让自动补全功能接管。
流程与新邮件相同。在引用文本上方点击进入回复正文，听写，发送。引用的线程不受影响。
相同的热键可以听写到日历邀请描述、Notes 应用程序、OneNote、Teams 聊天或任何其他 Microsoft 文本输入框中。没有特殊的集成；它之所以有效，是因为每个 Outlook 字段在底层都是 Windows 文本输入框。
对于跨语言工作的人来说，电子邮件听写变得非常有趣。柏林的一位招聘人员可能会在一个上午先用德语回复一位德国招聘经理，然后用英语回复一位英语候选人，接着用日语回复一位日本申请人。使用 Microsoft Dictate 时，每次都需要手动切换听写语言。而使用 Whisper 自动检测，它就能直接运作。
Whisper 准确率与母语英语大致相当的强势语言：德语、西班牙语、法语、意大利语、葡萄牙语、荷兰语、波兰语、日语、中文（普通话）、韩语、俄语、阿拉伯语、土耳其语、印地语、瑞典语、丹麦语、挪威语和芬兰语。多语言页面涵盖了完整列表。不太常见的语言也可以使用，但准确率差异较大。
对于向国际潜在客户发送邮件的销售团队，销售代表语音转文字指南提供了有关多语言外呼的更多信息。对于进行跨国招聘的人力资源团队，人力资源经理语音转文字页面涵盖了候选人沟通工作流程。
电子邮件内容通常是保密的：客户通信、人力资源事务、法律建议、财务细节、包含个人数据的客户支持工单。StarWhisper 默认的本地模式意味着您说出的音频永远不会离开设备。转录在 CPU 或 GPU 上本地运行，文本进入 Outlook，流水线到此结束。没有第三方服务会持有您讨论交易或人事问题的录音。
相比之下，云听写服务会将音频发送到转录 API。在某些配置中，即使是 Microsoft Dictate 也会将音频发送到 Microsoft 的云进行处理。对于受 HIPAA、律师-客户特权规则、GDPR 问题或内部数据驻留政策约束的组织来说，仅限本地的听写在审计中更容易辩护。HIPAA 常见问题解答详细介绍了具体的架构及其对受保护健康信息的意义。
有关音频路径和本地模式背后架构选择的更深入细节，请参阅本地与云端 Whisper 常见问题解答。
平均打字速度约为每分钟 40 个单词。平均舒适的说话速度为每分钟 130 到 150 个单词。在实践中，听写并不会带来 3 到 4 倍的提升，因为您必须思考要说什么，并且需要花一些时间纠正错误，但对于长篇电子邮件来说，实现 1.5 到 2.5 倍的加速是很常见的。真正节省体力的地方在于：听写一个小时比打字一个小时在身体上要轻松得多，特别是对于患有手腕或肩膀劳损的人来说。
对于回复大量电子邮件的知识工作者来说，听写每天节省的 30 到 60 分钟会迅速累积。对于在旅途中（在笔记本电脑上、在汽车里、在火车上）回复潜在客户邮件的销售代表来说，生产力提升的理由更加充分。对于正在接受 RSI 物理治疗的人来说，改用听写通常是标准恢复方案的一部分；有关更多信息，请参阅腕管综合症语音转文字指南。