一个“语音输入法”估值20亿美元：Wispr卖的不是转写，而是下一代入口

如果一家“语音输入法”估值20亿美元，你的第一反应可能是：资本是不是又疯了？

毕竟，把说话转换成文字并不是什么新技术。从手机语音输入、Siri、Alexa，到各种会议转写工具，语音识别已经存在十几年。

但在2026年8月，AI语音公司Wispr宣布完成2.8亿美元B轮融资，估值达到20亿美元，累计融资约3.61亿美元。

本轮融资由Menlo Ventures领投，Notable Capital、NEA、8VC等老股东继续加注，投资者名单中还出现了Shaun White、Klay Thompson、Paul George、Trae Young等体育明星。

资本真正购买的，显然不只是更高的转写准确率。

它们押注的是：键盘统治人机交互数十年后，语音可能成为人类控制计算机、调用AI和完成工作的第一入口。

01

为什么一个输入法值20亿美元？

Wispr目前最主要的产品叫作Wispr Flow。

它不是让用户打开一个独立录音软件，而是覆盖所有需要输入文字的地方。用户可以在邮件、文档、聊天软件、浏览器和AI对话框里直接说话，Flow负责删除口头禅、修正语法、补充标点，再将口语整理成可以直接发送的文字。

从产品形态看，它像一个跨应用的AI语音输入层。

但Wispr并不把自己定义成语音转写公司，而是称自己为“The Voice Interface Company”——语音界面公司。

这两个定义之间，隔着完全不同的估值空间。

如果Wispr只是输入法，它面对的是手机和电脑自带的免费功能，以及Superwhisper、Willow、Aqua等同类产品。

但如果它能成为人与AI之间的通用交互界面，那么它争夺的就不再是输入法市场，而是每一个AI模型、每一款办公软件和每一台智能设备前面的“意图入口”。

根据Wispr披露的数据，用户已经通过Flow生成超过600亿个单词，其用户分布于超过1万家企业，并覆盖几乎所有《财富》500强企业。

领投方Menlo Ventures则称，Wispr过去一年收入增长超过30倍，已经进入162个国家，支持100多种语言。

不过，这些数据主要来自公司和投资方，尚未经过独立审计，Wispr也没有公布具体收入、付费用户和获客成本。

资本给出的20亿美元，更像是对增长速度和未来入口价值的提前定价。

02

他们先造了三年未来，最后退回输入框

Wispr的两位联合创始人Tanay Kothari和Sahaj Garg相识于斯坦福大学本科宿舍。

Kothari小时候看《钢铁侠》时，最吸引他的并不是钢铁战甲，而是能够理解意图、管理设备并完成任务的AI助手JARVIS。

2021年，两人创办Wispr，最初想直接解决一个极具未来感的问题：如何让人在不出声的情况下与计算机交流。

他们花了大约三年研究可穿戴设备、脑机接口和“无声语音”，试图通过神经与肌肉信号识别人想说的话。后来，他们又开发过可以订餐、安排日程和发送邀请的语音助手。

这些产品适合演示，却没有形成高频使用习惯。

人们不会每天反复预订餐厅，也不会连续创建日程。问题不在于技术能否实现，而在于产品无法进入日常生活。

最终，Wispr做出了一个看起来近乎倒退的决定：不再急着造JARVIS，先从最普通的输入框开始。

因为打字是人们每天重复几十次、几百次的动作。邮件、消息、文档、搜索、代码、提示词，都离不开输入。

一旦用户开始每天用语音代替键盘，Wispr就可能从一个偶尔打开的工具，变成持续存在的工作入口。

先让用户相信语音可以准确写下一段话，再让用户相信语音可以替自己完成一项任务——这成为Wispr新的产品路径。

03

投资人购买的是三张期权

大模型已经提供了越来越强的智能，但大多数普通人向AI表达意图的方式，依然是一个文字框。

模型可以在几秒钟内生成代码、报告和方案，人类却还要逐字描述自己需要什么。模型越强，输入效率的问题反而越突出。

资本给Wispr的20亿美元估值，本质上购买了三张期权。

第一张：高频入口

输入是计算机上发生频率最高的行为之一。

相比会议纪要、智能音箱和语音客服，跨应用输入更容易形成每天使用的习惯。高频意味着留存，留存可以转化为订阅收入，也为Wispr进入更多工作场景提供基础。

Wispr公布的商业计划显示，其个人订阅价格约为每月12至15美元，企业版本约为每人每月24美元。

如果它只能获得一批愿意为效率付费的专业用户，这是一门不错的订阅生意；如果它能成为大量用户的默认输入方式，商业边界将完全不同。

第二张：模型中立的交互层

苹果、Google、OpenAI和Anthropic都有能力开发语音功能，但它们的语音入口通常服务于自己的系统、模型或者应用。

Wispr希望成为横跨不同平台的中立层。

无论用户在写邮件、操作办公软件，还是调用ChatGPT、Claude及其他AI工具，都可以通过同一个语音入口表达意图。

这给了Wispr一个短暂但重要的窗口：巨头把语音当作产品功能时，它可以把语音当作全部业务。

但这个窗口不会永远存在。一旦操作系统厂商真正重视这一层，Wispr必须证明，专业工具与免费功能之间存在足够大的体验差距。

第三张：个性化形成的迁移成本

传统输入法记住的是词频，Wispr希望理解的是一个人表达思想的方式。

它可以逐渐学习用户的专业词汇、人名、语气、句式和常用表达。每一次修改，都可能让系统更了解用户希望如何把口语变成文字。

如果这种个性化持续积累，用户更换工具时，失去的就不只是一个输入法，而是一个已经熟悉自己表达方式的“语言代理”。

这才可能成为Wispr真正的护城河。

04

生意：从“语音转文字”走向“语音完成任务”

Wispr最重要的内部指标叫作“零修改率”。

它衡量的不是系统听对了多少个词，而是一段语音生成后，用户能否不做任何修改就直接发送。

传统语音识别解决的是“你说了什么”，Wispr想解决的是“你真正想表达什么”。

例如，一个用户说：“帮我跟客户说，我们周三可能不太方便，要不改到周四下午，语气客气一点。”

普通转写工具会记录这段口语。真正的AI输入界面则需要理解意图，直接整理成一段可以发送的商务消息。

为了提高这项能力，Wispr在融资同时发布了自研语音模型Canto。公司称，在噪声、口音和多语言混合等复杂环境下，新模型可以显著降低错误率，减少用户后续修改。

Wispr还成立了Advanced Interfaces Lab，由曾参与Alexa早期研发的Ariya Rastrow负责。研究目标已经不再局限于语音识别，而是让系统理解用户当前的工作、保留上下文，并把语音直接转化为行动。

它的路线图可以概括为三个阶段：

第一，可靠的语音输入；第二，从语音直接触发行动；第三，通过耳机、眼镜等可穿戴设备，让语音入口随时存在。

输入法只是进入用户工作流的楔子。真正目标，是成为能够理解意图、调用模型和软件、最终完成任务的智能层。

05

入口还是一个容易复制的功能？

Wispr的故事很诱人，但它还没有证明自己赢得了下一代入口。

首先，语音天然受到使用场景限制。

在家里对着电脑说话很自然，在办公室、咖啡馆、会议室和公共交通工具上却未必如此。隐私、噪声和对他人的干扰，都可能让用户重新拿起键盘。

其次，语音的容错率极低。

一张AI图片有小瑕疵，用户或许可以接受；一封邮件写错了人名、金额或者否定词，产品信任就可能瞬间消失。只有当“基本正确”变成“无需修改”，语音才可能真正替代键盘。

第三个问题是隐私。

语音输入可能包含商业计划、客户资料、私人消息，甚至是用户尚未整理完成的原始想法。一个越了解用户的入口，掌握的数据就越敏感。

Wispr表示，其隐私模式可以选择不保存语音、不用于训练，企业版本也可以采用零留存处理。但对一家想成为长期个人入口的公司来说，隐私不仅是一项功能，更是一场持续的信用考试。Wispr隐私说明

最后，20亿美元估值仍然跑在财务披露前面。

投资方公布了30倍收入增长，公司公布了庞大的使用数据，却没有披露绝对收入、用户留存和获客成本。

从一个很小的基数增长30倍，与从成熟收入规模增长30倍，是两件完全不同的事情。

这项估值成立的前提，不是Wispr成为最好用的语音输入法，而是它能够成功跨越“输入—行动—操作系统”三个阶段。任何一个阶段停滞，都可能让这家语音界面公司重新变回一家昂贵的效率工具。

06

资本押注的是意图控制权

过去十几年，语音产品最大的误区，是一开始就想成为无所不能的助手。

它们可以回答天气、播放音乐、设置闹钟，却很难进入复杂、持续和高价值的工作流程。

Wispr选择了相反的路径。

它不急着替用户做事，先努力把用户想说的话准确写出来；等语音成为习惯，再从文字进入行动，从行动进入设备。

所以，Wispr的20亿美元估值，不是市场对一家语音输入法的定价，而是资本购买的一张“后键盘时代期权”。

如果未来的AI足够强，真正稀缺的可能不再是模型，而是谁能最准确地理解人类想让模型做什么。

键盘解决了人如何向计算机输入字符。

Wispr想解决的，则是人如何向AI交付意图。

这两者之间，就是一家语音输入法与一家下一代入口公司的距离。

20亿美元不是答案，只是资本为这个问题标出的最新价格。

本文来自微信公众号“新芒xAI”，作者：格林 董义振，36氪经授权发布。