前阵子算是被语音输入狠狠上了一课。那天赶着给客户发消息说"晚点开会"，结果它给我转成"网点开匪"，手快直接发出去，对面沉默了整整三分钟，我社死得差点把手机扔了。严格来说
其实
做饭那回更离谱。油锅正热，我怕记不住步骤就边炒边语音备忘，念了句"放两勺盐"，回放一看变成"放两勺阎"，吓得我当场把那条撤回得比撤回前任消息还快。
后来我有个同学更绝，用语音写实验报告摘要，把"对照组"识别成"对付组"，导师批注了句"请重新组织语言"。还有回我语音搜歌，念了句"来点金属的"，它给我放《荷塘月色》，我当场陷入沉思。
据我不完全统计，身边十个用语音输入的，九个都翻过这种鬼车。智能纠错这玩意儿，有时候比人工更不智能。
我前两年刚重返职场那阵子，也栽过类似的跟头。有回开会前想给组里发句"方案我晚点发"，语音一转成了"方案我网点发"，当时也没留意…，手一快直接点了发送。群里那阵沉默，跟我撤回的速度比起来简直是两个量级，差点把手机扣桌上。
不过这种事看多了也就那样。我年轻的时候哪有这些，打字慢就慢慢敲，错了顶多删了重来，nobody 会知道你打错的那一秒在想啥。现在倒好，手比脑子快，社死都社得这么高效。说实话
后来我基本只在一个人做饭念叨步骤时才开语音，反正翻车了也就自己听见，不丢人。
网点开匪这词太有画面感了 我前两天语音跟朋友说帮我点个外卖 它给我转成帮我垫个外卖 人真给我转了二十过来 哭笑不地
油锅前那几秒最要命，你这句"放两勺阎"我看着都后背发凉。我以前在电车里也翻过，手忙脚乱语音发消息，转完没看就点发送，把"明天见面"整成"明天见鬼"，对面沉默得比你还久。
后来就学乖了，不是不信它，发之前眼睛先过一遍，耽误不了三秒。坦白讲机器这东西平时越聪明，你越急它越给你整活。
话不能这么说
慢慢来，屏幕上看一眼再点发送，比什么智能纠错都靠谱。
那个"放两勺阎"看得我后背一凉，真手滑放下去就不是社死的事了。我平时语音也翻过车，不过没你同学"对付组"这么能整活，导师那句批注真让人心疼他三秒
你那个"十个九个翻车"我得较下真。你这样本拢共就身边几个人，举的还是清一色翻车的例子，典型的选择性偏差，严格讲不算统计。我自己平时用语音打长段消息，错误率其实挺低的，翻车几乎都卡在同音字和噪声环境这两类上——你帖子里那几条，“盐"变"阎”、“网点"变"匪”，全是同音词消歧没做好的锅。所以"比人工更不智能"这个结论我觉得有点笼统。真心想问一句：你那十个朋友里，有多少是在安静、正常语速下也翻的？这个分母我才好奇。
深夜读这篇差点把手里的水喷出来。说来也巧，我有回边走边用语音记点东西，念了句"街角那家烧烤摊关门了"，回放出来变成"街角那家少烧摊关门了"，荒唐得我笑了半条街。
人说话本来就有太多缝隙，语音识别不过把这些缝隙放大了，于是"晚点开会"成了"网点开匪"。细想之下，我们每天真正想说的，和最终被听去的，中间隔着的何尝不是一条河。机器只是 more honest 地把这条河照了出来。十个翻过车，第十个大概只是还没被谁听见。
你语音搜歌那段我差点笑出声，"来点金属的"给你放《荷塘月色》，这个跨度和做菜那句"放两勺阎"有得一拼。btw我平时听jazz多，要是哪天语音给我推个不搭的歌，我大概也会当场愣住。
不过你最后那句"十个用语音输入的九个翻过车"，严格说只能算个人体感，算不上统计。语音识别是有公开benchmark的，业界常用的词错率(WER)在安静环境、标准口音下基本能压到5%以内，翻车高发的其实是方言、重口音或者环境噪声大的边界场景。所以更准确的说法大概是"理想条件下翻得少，但边界场景极其容易翻"，而不是均匀分布的"九个都翻"。
我自己用语音输入还算顺，可能咬字比较清楚。但做饭那个场景我是真信，油锅哗哗响，麦克风收的全是噪声，识别成什么都别太意外。
你最后那句"智能纠错比人工更不智能"，概念上其实串了。其实前面几个例子——“网点开匪”、“放两勺阎”、“对付组”——本质是语音识别（ASR, automatic speech recognition）的解码错误，是系统"听错了"，不是系统在主动"纠错"。纠错（auto-correction）指的是你明明输对了它自作主张改掉，比如打"明天"蹦成"明星"。这是两个不同机制的东西，放一起比不太严谨。
"十个九个翻过车"这个sample也值得商榷。你"身边"用语音输入的人，多半本就爱图省事、口音或环境噪声偏大，加上翻车故事比顺利的更容易被记住和传播（典型的availability bias），9/10这个数字很难代表general population。真要较真，得先锚定安静环境、标准普通话下的WER（词错误率）基线再谈。我以前开车时试过语音，车窗一开风噪上来，识别率肉眼可见地掉，环境噪声确实是核心变量之一。
你那个撤回得比撤回前任还快，我是真没忍住笑了。
“放两勺阎"这条我直接绷不住。我也有回念"发个定位”，它转成"发个定论"，对方真当我下了什么结论。同音字这块语音识别是真没招，重要消息还是手打稳
楼主最后那句"智能纠错比人工更不智能"，我得跟你较个真。前面那几个翻车例子，仔细看其实是语音识别那一步自己听岔了，不是"纠错"的锅。像"晚点开会"变成"网点开匪"，是识别引擎在声学匹配和语言模型打分上选了概率更高的组合，属于听写准确率的问题；“智能纠错"本意是识别完成之后系统再帮你推一遍、改错的环节，你举的这些基本还没走到那一步就手快发出去了。
其实
所以严格讲，是"听写翻车"不是"纠错翻车”，把锅甩给它有点冤。
你同学"对照组"变"对付组"那个最典型，专业词在通用模型里权重偏低，错的概率本来就高。较真的话，发送前回听两秒，比指望它自己纠错管用得多。
网点开匪这仨字太顶了 我上次喊外卖少放辣 它给我转成少放腊 我还以为在点腊肉
严格说这些大多是语音识别(asr)的转写错误，不是"纠错"出错。"十个九个翻车"没给样本量，结论值得商榷。