Typeless實測|AI語音鍵盤真的好用嗎?它跟Wispr Flow誰勝出?
Typeless實測|AI語音鍵盤真的好用嗎?它跟Wispr Flow誰勝出?

如果你是重度依賴AI工作的使用者(或是痛恨打字的任何人),一定在某些時刻,希望可以擺脫鍵盤限制,光用「念咒」就能命令AI代理調用工具來為你效命。

事實上,AI語音鍵盤在App市場中已有強力的競爭者。例如Wispr Flow,《數位時代》先前就在「15+2 AI工具」專文中介紹過,它的專長是提供比iOS鍵盤、Gemini、ChatGPT語音更高的語音辨識能力,更重要的是它的「鍵盤」定位,讓使用者可以在mac或手機環境中,在任何App上使用語音輸入。

現有更強的競爭者「Typeless」出現,它究竟有哪些優勢勝過 Wispr Flow?

Typeless體驗為何比Wispr Flow好?

要先說的是,本文無意在Wispr Flow跟Typeless之間踩一捧一。Wispr Flow其實在90%的使用情境中都可以順利辨識語音。然而,往往讓一款App更加突出的,就在於那10%的優化。

所以說,Typeless好在哪?一句話來說:它的中文辨識能力更強,補足Wispr Flow在中文語境中難以辨別異體字的痛點(例如吃/喫,的/得),因此更適合於時常在繁體中文與英文夾雜使用的工作者。

白話來說,它更能聽懂台灣人的「晶晶體」。

其次,它的設定介面比Wispr Flow更友善。舉例而言,若你在mac環境中安裝桌機板App,使用者可以在繁中的介面中調整「語言變體」,中文可以切換 台灣/香港/中國 ,英文可以切換 美/英/澳/加 ,對於各語種的子分類有更高的辨識力。

Typeless
Typeless 支援語言變體,在地化的能力更強。
圖/ Typeless

以下是《數位時代》實測 Typeless 最具代表性的四大優勢。

優勢一:理解意圖
Typeless 最令人驚豔的核心能力,是實現了從「字面轉錄」到「意圖轉錄」的躍遷。例如,當使用者說出: 「我們約明天下午三點…啊不對…五點。」 傳統工具會記錄下所有口誤與贅字。Typeless 則能理解使用者正在進行自我修正,最終僅輸出乾淨的結果: 「明天下午五點。」

優勢二:更懂「台灣繁中」
在一次中英夾雜的測試中,念出購物清單: 「我要去Costco好市多買Coffee Bean, Onion, 和氣炸鍋。」 Typeless 不僅能準確辨識「Costco好市多」這類品牌名詞,甚至能理解使用者正在「列清單」的語境,自動進行換行並加上條列符號。

Typeless優勢
在手機端,若輸入購買內容,Typeless會自動列成清單。
圖/ Typeless

優勢三:區分「記錄」與「下令」
Typeless 在電腦端採用「無模式介面」(Modal-less Interface),利用「游標位置」這個上下文線索(contextual cue)來判斷使用者意圖,例如游標在空白處時,它就是「速記員」,任何語音輸入都會被轉錄為文字;但反白選取文字時,它則切換為「編輯模式」。此時的語音輸入會被視為編輯指令,如「把這段翻譯成日文」,並直接對所選文字執行操作。

Typeless翻譯
在手機端,只要在編輯環境中反白文字,就可以要求Typeless修改語氣或是直接翻譯。
圖/ Typeless

優勢四:移動端編輯體驗
Typeless 在 iOS 上的「Mobile Editing」功能,優化了行動裝置的文字編輯體驗。使用者可在任何 App 中選取文字,呼叫 Typeless 並用口語下達編輯指令,例如「改成正式的 Email 語氣」。即使在手機端也能輕鬆編輯文檔。

Typeless修改口吻
在桌機上端,反白文字後,就可以語音要求AI修改口吻。
圖/ Typeless

Typeless是誰創立的?

Typeless由一群史丹佛背景的創業者創立,執行長為 Huang Song,自稱「The Voice OS Company」,目標以理解語意的語音輸入重塑人機互動,讓說話成為主要的文字輸入方式。

根據Huang Song在X的描述,Typeless支援自動編修(去口頭贅詞、修文法、即時排版)、語音即改(直接說明要怎麼改就能重寫)、低聲環境的 Whisper 模式、超過 100 種語言自動偵測與混語、個人詞庫(姓名或品牌可一次學會不再漏)、以及「私密設計、零資料留存、歷史留在裝置上」。

他以「當輸入摩擦消失,手機能以 10× 速度完成曾經不可能的事」來總結,並以「Welcome to the end of typing」作為品牌式宣言。

如何下載Typeless

macOS操作如下:

  1. 前往下載頁面。目前可免費體驗30天Typeless Pro,體驗其結束後仍可每週免費轉錄 4,000 字。

  2. 下載安裝檔:點選「Download for macOS」取得安裝檔(通常為 .dmg)。

  3. 安裝程式:開啟 .dmg,將 Typeless 拖曳到「Applications(應用程式)」資料夾。

  4. 權限設定:首次啟動時,依提示授予麥克風與輔助使用(Accessibility)權限,讓 Typeless可在各 App中進行語音輸入與貼上。

  5. 登入與初始設定:以 Email 登入;可在設定中選擇語言(繁體中文)與基本偏好。完成後即可在任何應用程式使用語音輸入。

Typeless安裝步驟
簡單3步驟就能安裝好mac版。
圖/ Typeless

結論:變身真正的詠唱師

回歸本質,AI 語音輸入工具的最終價值,並非單純追求輸入速度,而是將創作者從繁瑣的「打字」勞動中解放出來。當我們不再需要將心力耗費在指尖與鍵盤的機械式對應上,便能將寶貴的認知資源,投入到真正具有價值的「思想打磨」與「文字雕刻」上。

綜合全文,Typeless 之所以是當前更適合知識工作者(尤其狂敲鍵盤的文字工作者)的選擇,其核心價值在於它提供了一種「更少阻力」的沉浸式體驗。它不再是一個需要反覆糾錯的工具,而更像一位具備情境感知能力的智慧夥伴,懂得在何時記錄、何時編輯。

Typeless 的出現,是AI原生應用的一個絕佳範例。它讓我們拿回寶貴的「心智自由」,將工作重心從「如何輸入」轉移到「思考什麼」。

延伸閱讀:Google發布10組Gemini提示詞!教你將目標拆解成每天、每週可執行計畫,中英文指令一次收

資料來源:Typeless

責任編輯:李先泰

關鍵字: #AI工具
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。
依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓