公司還沒介紹完，AI 已經幫我改名了

想像你按下語音輸入，準備回覆一位剛認識的朋友：

「你好，我是 Adam，我們公司是 metabiz，協助企業整合系統、運用 AI 改善營運。」

文字出來了：

「你好，我是 Adam，我們公司是 metabeats……」

公司還沒介紹完，名字已經被改好了。

你把 metabeats 改回 metabiz，繼續把訊息送出去。第一次，大概只會覺得有點好笑。

第二次，順手改掉。

到了第十次，心裡就會冒出一句：

「我們每天都見面，你還不知道我公司叫什麼嗎？」

第一次聽錯，我可以理解

其實，第一次聽到 metabiz 的人，也未必知道怎麼拼。

人名、品牌名、產品名，本來就不是光靠發音一定能猜對的。就像交換名字時，我們常常得補一句：「是這個字，不是那個字。」

工作現場的語言又更熱鬧一點。

「那個客戶的 CRM 先不要動，等 POS 那邊確認，再請小林跟信義店說。」

一句話裡，有英文縮寫、人名、店名，還有一個沒有說清楚是誰的「那個客戶」。

新同事聽完，也可能默默打開筆記，準備問五個問題。

所以，我不期待 AI 第一次就認識所有專有名詞。我比較期待的是：解釋過的事情，下次能不能少解釋一點？

不然每次使用，都像在替同一位新同事辦到職說明。

最讓人嘆氣的，是剛才那段話白講了

語音輸入還有一種很熟悉的尷尬。

你講完一大段話，覺得這次說得不錯，順序清楚、重點完整，連最後一句都收得剛剛好。

結果切回訊息視窗，裡面是空白的。

這時候，工具如果問你「是否重新錄製」，心情通常不會太好。因為你已經忘記剛才怎麼講的了。

第二次重講，往往會變成：

「就是……剛剛那個……算了，我打字好了。」

這也是為什麼，我覺得 History 這種功能很重要。

它看起來不炫，卻能在需要的時候，把剛才那段話找回來。使用者不用重新組織一次思緒，也不用為了一次沒有貼上的結果，把整件事重做。

對我來說，這就是很實際的便利。不是讓畫面多一個按鈕，而是少一次「算了，我自己來」。

History 留住結果，字典才有機會減少重複修正

不過，這裡有兩件事要分開看。

歷史紀錄，是讓你找回說過的內容。

字典與修正機制，則是幫助工具處理你慣用的名字、詞彙與拼法。

有 History，不代表 AI 就會自動記住你每一次修改。否則它只是很完整地保存了自己把 metabiz 寫成 metabeats 的歷史。

紀錄齊全，但合作關係沒有進步。

像 Typeless，官方文件列出了歷史紀錄、使用同一段原音重試，以及個人字典等功能；也說明使用者在聽寫後修正字詞時，工具會辨識偏好的拼法，加入自動新增的字典項目。官方說明

我覺得這個方向值得肯定。不只是「這次幫你打字」，而是設法讓後面幾次更好用。

當然，加入字典不等於永遠不會辨識錯誤。但至少，使用者花時間更正一個名字，不必只是為了救回眼前這封訊息。

那次修正，有機會留下來。

拼對了，還不一定寫對

有時候，AI 終於不再寫成 metabeats。

這次它寫的是 Metabiz。

進步了，但還差一點。我們的品牌寫法是 metabiz，全小寫。

對一般文章來說，句首大寫可能是貼心的整理；對品牌來說，卻可能是多此一舉。就像你明明把招牌做好了，幫手每天開店前，都順手替你換一個字體。

這也不只是 AI 的問題。人寫文案、做簡報、整理提案時，同樣可能把它改成 Metabiz 或 MetaBiz。

所以，我期待的字典，不只是告訴工具「有這個詞」，還能保留「這個詞在我們這裡，就是這樣寫」。

認識名字，也尊重名字的寫法。

如果語音辨識先寫對 metabiz，後面的潤稿又把它改成 Metabiz，那只是兩位幫手接力，最後把工作交回給我。

公司名字考試，換幾位選手來試試？

如果你也遇過類似的事，可以挑一個符合自己習慣的工具，給它一份很短的「到職測驗」。

不用準備標準考題，就說：「我是 Adam，來自 metabiz，今天想聊 CRM 與 POS。」也可以換成自己的品牌、門市與品名；測試錄音別放進未經授權的客戶資料。

看看它有沒有把公司改名、替品牌換了大小寫，或是明明聽對了，卻沒貼進訊息框。設定字典之後，再試一次，看看還剩多少地方得改。

以下是幾個不同方向的選擇，不是我們完成的一場實測排名。

Typeless：想直接把語音用在每天的訊息裡

如果你最想改善的是回訊息、寫信與整理想法，可以先看看 Typeless。前面提到的 History、原音重試與個人字典，都是值得一起試的部分。

不要只看第一次出字有多快。把常用名字修正後，觀察後面幾次是否更順；偶爾沒有貼上的內容，能不能方便地找回來。查看 Typeless 的 History 與 Dictionary

Handy：想試開源、在自己電腦上辨識

Handy 是提供 macOS、Windows 與 Linux 版本的開源語音輸入應用。它的基本流程很直接：按快捷鍵、說話、在本機辨識，再把文字貼到正在使用的程式。

這和「下載一個模型，接著自己寫程式」不同，它已經有桌面應用與操作介面。如果你在意本機處理、也願意花一點時間選模型與調設定，這是一個可以探索的方向。

不過，開源不是「每台電腦、每個模型都一樣好用」的保證。繁體中文、中英夾雜與貼上行為，還是要放回自己的設備和常用軟體裡試；啟用額外服務前，也要確認資料會送到哪裡。

mVoice：我們也在處理這些小麻煩

mVoice 是我們自己的產品。做它的時候，我們在意的不只是「這句話有沒有聽懂」，還有說完之後，能不能少一點善後。

字典保留指定寫法，後續整理文字的流程也尊重它；文字沒有成功貼上時，能找回剛才的內容，不必重講。這些是我希望 mVoice 持續做好的細節。

這也是我欣賞 Typeless 這類產品的原因：語音輸入的便利，不只來自辨識模型，也來自那些讓人不用重做的設計。

截至本文發布日，mVoice 官網提供產品介紹與原始碼入口，macOS 簽署版仍在準備中。對它有興趣，可以先看看我們正在做的方向。

了解 mVoice：為台灣繁體中文與中英混合工作打造的語音輸入工具 →

好不好用，讓它陪你上幾天班就知道

如果要試一套語音工具，我不會只準備一段發音標準、沒有雜音的自我介紹。

我會拿幾句每天真的會說的話來試。

放進公司名、產品名、同事稱呼，再加上一點自然的中英夾雜。看看第一次結果如何，也看看設定詞彙、修正之後，接下來用起來有沒有比較順。

不只計算文字多快出現，也留意自己最後還花了多少時間，才把訊息真正送出去。

畢竟，我們想完成的是工作，不是參加語音辨識展示。

理想的工具未必永遠不犯錯，但我希望合作久了，彼此能更有默契。

讓我少重講一段話，少找一次遺失的內容，少改幾次公司名稱，就已經很有幫助。

至於公司要不要改名——

等我們真的開品牌會議再說。

今天，先讓我把 metabiz 這封訊息寄出去。

延伸閱讀：給想自己動手的技術團隊

如果你想把語音接進既有系統，而不只是多裝一個輸入工具，下面三個專案值得研究。它們是底層實作或模型，不是與上面桌面產品同一層的選擇，也不代表已經整合進 mVoice。

• whisper.cpp：Whisper 的 C／C++ 實作，提供本機推論與多平台範例。適合評估如何將語音辨識放進自己的應用；字典、歷史紀錄、權限與貼上流程仍是另一層產品工作。
• TEA-ASR-1.1：作者以台灣華語、繁體中文與中英混說為重點，在 Qwen3-ASR 基礎上調整。模型卡列出的比較是作者自測，不是 metabiz 實測；如果這些正是你的使用場景，可以拿具使用授權、去識別化的錄音驗證。
• Qwen3-ASR 與 Forced Aligner：前者處理語音辨識，後者把文字與音訊對齊，產生字詞時間戳。適合研究逐字稿與字幕流程，但時間對齊不會自動修正聽錯的文字。

工具介紹依 2026 年 9 月 13 日的官方文件整理；實際可用版本、授權與部署需求，請以各專案最新說明為準。