平均打字：40 WPM。快速打字员：80 WPM。平均语速：150 WPM。语音击败了除世界纪录冲刺选手外的所有打字员，而且 Whisper 可以实时转录。本页面详细分析了计算过程、编辑时间的权衡，以及语音处于劣势的情况。
“听写比打字快吗？”这种问法是错误的。正确的问法是“对于哪种写作，以及在多少编辑量之后？”
听写工具的营销话术通常说“像你思考一样快地说话”。这暗示语音在任何情况下都更快。其实不然。它在初稿生成时更快，但在编辑、精确标点和代码方面较慢或相当。那些期望语音能取代打字的人，通常在一小时内就会感到失望。
StarWhisper 是一款按住说话的听写应用。按住热键时使用语音，松开时键盘照常工作。正确的理解是“在语音胜出的部分使用语音，在打字胜出的部分使用打字”。综合吞吐量远高于单独使用任何一种方式。
在您做决定之前值得了解的五个具体的 WPM 基准。
这是关于在标准 QWERTY 键盘上成年人打字速度最常被引用的数据。这在过去几十年的打字速度调查中保持一致。如果考虑到错误和退格，在长时间的打字过程中，实际输出通常略低。
从事大量键盘工作的专业打字员（转录员、法务秘书、使用 QWERTY 的法庭记录员）可以持续达到 65 到 80 WPM。这大约是平均语速的一半。按照日常标准算“快速打字员”的人，仍然比普通说话者慢。
Monkeytype 的世界纪录超过了 300 WPM，但这仅限于在简短的常用单词测试中持续一分钟的爆发。没有人类能在 1500 字的文章中保持这种速度。您认识的人中几乎没有人能以世界纪录的速度写作。相关的比较应该是针对您自己的打字速度。
这是英语对话的标准数据。新闻播音员的目标是 140 到 160 WPM，因为这个范围对听众来说很舒服。成年人自发的对话语速在 120 到 180 之间。现代语音识别无需特殊配置即可处理整个范围。
一些播客主持人和有声书朗读者可以轻松达到 180 到 200 WPM。拍卖师在短时间爆发时会更高。对于大多数人来说，在清晰度开始下降之前，舒适英语口语的上限大约是 200 WPM。
OpenAI 的 Whisper 模型，即 StarWhisper 背后的引擎，可以在普通硬件上以快于 1 倍的速度转录音频。在中端 NVIDIA GPU 上，转录几乎是瞬间完成的。无需等待模型跟上您的语速。
数据经过多项打字速度调查、截至 2026 年 5 月的 Monkeytype 排行榜以及对话语速的标准语言学参考资料核实。
| 类别 | 每分钟字数 | 是否持续？ | 对比语音（平均 150） |
|---|---|---|---|
| 成年人平均打字 | 40 WPM | 是 | 语音快 3.75 倍 |
| 专业打字员 | 65 到 80 WPM | 是 | 语音快 2 倍 |
| 极快的打字员 | 100 WPM | 勉强 | 语音快 1.5 倍 |
| Monkeytype 世界纪录 | 300+ WPM | 否（一分钟爆发） | 打字快 2 倍（爆发状态） |
| 平均对话语速 | 150 WPM | 是 | 基准 |
| 快速语速（播客、有声书） | 180 到 200 WPM | 是 | 比基准快 1.3 倍 |
| 拍卖师爆发语速 | 250 到 350 WPM | 否（短时间爆发） | 2 倍爆发，不可持续 |
结论很简单。语音比平均打字快近 4 倍。语音比快速的专业打字员快 2 倍。语音与极快的打字员相当。语音输给了世界纪录的冲刺速度，但这仅限于一分钟的爆发，没有人能在真实的写作过程中维持这种速度。对于以正常人类速度打字的所有人来说，语音更快。
纯粹的 WPM 并不是全部。语音听写会产生比较粗糙的初稿，因为您在说话时无法看到自己正在说的话。第一遍通常有更多的废话、更多的错误开头，以及更多您重述某些内容的地方。因此，客观的核算是“语音 WPM 减去编辑时间”。
以 40 WPM 纯打字，加上正常的思考停顿：大约需要 50 到 60 分钟才能得到一份干净的草稿。以 150 WPM 纯听写：大约需要 10 到 12 分钟得到一份粗糙的草稿。之后再加上 8 到 12 分钟的编辑。听写工作流总计：大约 20 到 25 分钟。即使算上清理时间，这仍然比打字快 2 到 3 倍。
编辑是与起草不同的认知任务。大多数编辑都是微小的定向操作：删除一个废话、修改句子结尾、重组两个句子。这些在键盘上操作很快。如果您试图口述它们，就会很慢。因此，“听写后编辑”的工作流在每种输入方式最强的地方使用它。语音高速生成大量素材，键盘进行精细的修复。
如果您将吞吐量衡量为“总时间内完成的字数”，那么对于大多数文章，“听写后编辑”的工作流轻松击败了纯打字。具体来说，您可以预期净吞吐量在 90 到 120 WPM 范围内，即使底层的听写是以 150 WPM 进行的，而编辑拉低了平均值。这仍然比单独打字快 2 到 3 倍。
语音并不是万能的升级。它在需要精确标点、密集特殊字符或精细编辑的任务中处于劣势。逗号的精确位置会改变条款含义的法律合同是打出来的，而不是听写的。带有括号、冒号、snake_case 标识符和缩进的代码，打字比大声拼读出来更快。编辑现有的文章用键盘比用语音更快，因为更改微小且有针对性。包含大量格式的电子表格和结构化文档，使用键盘快捷键比使用语音命令更快。在您无法说话的环境中，语音也是不可能的：共享办公室、图书馆、公共交通、深夜。这些情况都不意味着听写不好，它们只意味着对于该特定工作，听写是错误的工具。像 StarWhisper 这样的按住说话的听写工具旨在与打字共存，而不是取代它。
大多数作家每天都会混合执行这些任务。正确的工具因任务而异。
| 任务 | 最佳输入方式 | 速度优势 |
|---|---|---|
| 初稿博客文章或文章 | 语音 | 快 3 到 4 倍 |
| 电子邮件和 Slack/Teams 回复 | 语音 | 快 3 到 5 倍 |
| 长篇小说初稿 | 语音 | 快 2 到 3 倍 |
| 营销文案草稿 | 语音 | 快 3 到 4 倍 |
| 记笔记和写日记 | 语音 | 快 3 到 4 倍 |
| 编辑现有文章 | 键盘 | 快 2 倍（打字） |
| 编写代码 | 键盘 | 快 2 到 3 倍（打字） |
| 法律合同、引文 | 键盘 | 需要精确度 |
| 电子表格和结构化数据 | 键盘 | 快捷键胜出 |
早期的听写工具迫使您进入“听写模式”，在这种模式下，您的键盘部分停止工作，您必须发出语音命令才能切换回来。这产生了摩擦。包括 StarWhisper 在内的现代按住说话听写技术完全消除了模式切换。
您绑定一个热键，通常是鼠标侧键、重新映射的 Caps Lock 或功能键。当您按住热键时，应用程序会录制并转录。当您松开时，您的键盘将像以前一样完全正常工作。没有要进入的模式，也没有要退出的模式。您可以听写一个句子，松开，用手指打字进行更正，再次按住热键，听写下一个句子。这种过渡是无法察觉的。
这很重要，因为大多数作家的正确工作流是“语音用于批量文本生成，其他一切使用打字”。如果在两者之间切换有任何摩擦，您就会停止在语音胜出的部分使用它。按住说话将摩擦减少到零。您还可以在 如何提高写作速度 中阅读关于“听写后编辑”方法的深入介绍。
如果准确率很差，WPM 就毫无意义，因为每个错误都会消耗编辑时间。好消息是，现代语音识别在清晰的英语音频方面已经缩小了与打字的准确率差距。
StarWhisper 背后的引擎 OpenAI Whisper 是在大约 680,000 小时的多语言音频上训练的。在清晰的英语音频基准测试中，单词准确率在 95% 到 98% 之间，这与细心打字员的实际错误率相当或更好（打字研究表明，更正前的典型错误率为 2% 到 5%）。对于带口音的英语、非母语人士和语码转换语音，其准确率明显优于像 Dragon Professional Individual 中那种基于旧版 HMM 的引擎。
在实际应用中，这意味着一篇 1500 字的听写文章在编辑前大约有 30 到 75 个错误，其中大部分是微小的（一个听错的单词、一个标点故障）。一篇 1500 字的打字文章在更正前的错误数量大致相同。语音并没有引入明显的准确率损失，只是错误的分布不同。有关完整的基准数据和模型权衡，请参阅 专业准确率 功能页面。
如果您搜索“语音输入与打字速度对比”或“听写比打字快吗”，您可能正在尝试做出以下决定之一。
在所有六种情况下，实验都是免费的，只需 5 分钟即可设置完成，您会在一次使用中就知道语音是否适合您的大脑。缺点很小，优势很大。
语音输入在原始 WPM 方面比平均打字快近 4 倍，在计算编辑时间后仍然快 2 到 3 倍。它输给了世界纪录的打字冲刺，但这仅限于没有人能在实际工作中维持的短时间爆发。按任务划分，语音在批量文章生成、电子邮件、笔记和创意起草方面胜出；打字在编辑、代码、格式繁重的文档和精确内容方面胜出。最佳工作流是两者结合使用，按住说话的听写让切换变得无缝。
StarWhisper 在 Windows 10 和 11 上本地运行，个人使用完全免费，Pro 无限版每月 10 美元，支持 96 种语言。没有针对每个用户的语音训练步骤，除了选择热键之外无需任何设置。如果您试图找出语音是否适合您的工作流，测试成本是 5 分钟和零美元。