前言

作为一名工作 5 年的后端开发，我每天的工作内容大概是这样的：写代码 40%、写文档 30%、开会沟通 20%、Code Review 和回复消息 10%。最近半年，我发现自己的手腕开始隐隐作痛，去医院检查说是长期敲键盘导致的腱鞘炎早期症状。

医生建议减少打字时间，但这对程序员来说几乎不可能。我开始寻找替代方案，试过系统自带的语音输入、讯飞输入法、甚至 GitHub Copilot 的语音功能，但体验都不理想。直到最近接触到 SaySo 这款 AI 语音助手，用了一个月后，我觉得有必要写一篇详细的测评。

本文将从开发者视角，测试 SaySo 在实际编程工作流中的表现，包括代码注释、文档编写、技术沟通等场景。

一、产品概述

1.1 基本信息

• 产品名称：SaySo

• 支持平台：macOS、Window

• 官网：https://sayso.cn/

1.2 技术特点

SaySo 不是简单的 ASR（Automatic Speech Recognition）工具，而是结合了 NLU（Natural Language Understanding）和 LLM 的智能语音助手。其核心技术指标：

• 语音识别延迟：0.4 秒（端到端）

• 支持语言：100+ 种

• 场景识别：基于应用上下文的智能适配

从技术架构看，SaySo 采用了“语音识别 → 意图理解 → 文本生成 → 格式优化”的四层处理流程，这是它与传统语音输入的本质区别。

二、开发场景实测

2.1 代码注释编写

测试场景：为一段 Python 函数添加注释

我说的话：

这个函数的作用是，嗯，计算用户的，那个，活跃度得分，它会根据，呃，登录次数、发帖数量和评论数量来计算，然后返回一个 0 到 100 的分数

SaySo 输出（在 VS Code 中）：

"""
Calculate user activity score based on login count, post count, and comment count.
Returns a score between 0 and 100.
"""

评价：

• ✅ 自动过滤了口语词（嗯、那个、呃）

• ✅ 识别到在 VS Code 中，自动输出英文注释

• ✅ 格式符合 Python docstring 规范

• ❌ 没有自动生成参数说明和返回值类型（需要手动补充）

对比传统语音输入：
系统自带的语音输入会原封不动输出“这个函数的作用是嗯计算用户的那个活跃度得分……”，完全不可用。

2.2 技术文档编写

测试场景：编写 API 接口文档

我说的话：

这个接口是用户登录接口，请求方法是 POST，路径是 /api/v1/login，需要传两个参数，username 和 password，都是字符串类型，成功返回 token，失败返回错误码

SaySo 输出（在 Notion 中）：

## 用户登录接口

**请求方法**：POST  
**请求路径**：/api/v1/login

**请求参数**：
- username (string): 用户名
- password (string): 密码

**返回结果**：
- 成功：返回 token
- 失败：返回错误码

评价：

• ✅ 自动识别到在 Notion 中，输出 Markdown 格式

• ✅ 自动结构化信息，生成标题和列表

• ✅ 格式规范，可以直接使用

• ✅ 比手动打字快了至少 5 倍

2.3 Git Commit Message

测试场景：编写 Git 提交信息

我说的话：

修复了用户登录时，那个，如果密码包含特殊字符会导致，呃，验证失败的问题

SaySo 输出（在终端中）：

fix: resolve login validation failure when password contains special characters

评价：

• ✅ 自动识别到在终端环境

• ✅ 符合 Conventional Commits 规范

• ✅ 自动翻译成英文

• ✅ 语言简洁专业

这个场景特别实用，因为很多开发者（包括我）写 commit message 时经常偷懒，用 SaySo 可以快速生成规范的提交信息。

2.4 代码审查评论

测试场景：在 GitHub PR 中添加 Review 评论

我说的话：

这里的逻辑有问题，如果用户列表为空的话，会抛出空指针异常，建议加一个判空处理

SaySo 输出：

This logic has an issue: if the user list is empty, it will throw a NullPointerException. 
Suggest adding a null check before processing.

评价：

• ✅ 自动翻译成英文（我们团队是国际化团队）

• ✅ 表达专业且礼貌

• ✅ 比打字快很多，尤其是在需要写长篇 Review 时

2.5 技术方案文档

测试场景：编写技术方案的架构设计部分

我说的话：

我们采用微服务架构，把系统拆分成用户服务、订单服务和支付服务三个模块，它们之间通过 RPC 调用，用 Redis 做缓存，MySQL 做持久化存储，然后用 Kafka 做消息队列来处理异步任务

SaySo 输出（在 Markdown 编辑器中）：

## 架构设计

采用微服务架构，系统拆分为以下模块：

- **用户服务**：负责用户管理相关功能
- **订单服务**：负责订单处理流程
- **支付服务**：负责支付接口对接

**技术选型**：
- 服务间通信：RPC
- 缓存层：Redis
- 持久化存储：MySQL
- 消息队列：Kafka（处理异步任务）

评价：

• ✅ 自动结构化信息

• ✅ 补充了每个服务的职责说明

• ✅ 格式清晰，层次分明

• ⚠️ 有时候会过度优化，需要手动调整

三、效率对比测试

为了量化 SaySo 的效率提升，我做了一组对比实验：

3.1 测试任务

编写一份包含以下内容的技术文档：

• 项目背景（200 字）

• 技术方案（300 字）

• 接口设计（3 个接口的详细说明）

• 数据库设计（5 张表的字段说明）

3.2 测试结果

方式	耗时	字数	修改次数	手部疲劳度
纯键盘输入	48 分钟	1200 字	12 次	⭐⭐⭐⭐⭐
系统语音输入 + 手动修改	35 分钟	1200 字	23 次	⭐⭐⭐
SaySo 语音输入	15 分钟	1200 字	5 次	⭐

结论：

• 效率提升：3.2 倍（48 分钟 → 15 分钟）

• 修改次数：减少 58%（12 次 → 5 次）

• 手部疲劳度：显著降低

3.3 不同场景的效率分析

场景	键盘输入	SaySo	效率提升
代码注释	2 分钟/函数	30 秒/函数	4x
API 文档	10 分钟/接口	3 分钟/接口	3.3x
Git Commit	1 分钟	15 秒	4x
Code Review	5 分钟/评论	1.5 分钟/评论	3.3x
技术方案	1 小时	20 分钟	3x

平均效率提升：3.5 倍

四、优势与不足

4.1 核心优势

1. 场景智能适配

这是 SaySo 最大的亮点。它能识别你当前使用的应用，自动调整输出风格：

• 在 VS Code / IntelliJ IDEA 中：输出简洁的英文注释

• 在 Notion / Markdown 编辑器中：输出结构化文档

• 在 Slack / 钉钉中：保持口语化表达

• 在终端中：输出命令行风格的简短文本

2. 中英文混合输入

作为开发者，我们经常需要中英文混合输入（比如中文解释 + 英文代码）。SaySo 在这方面表现很好：

输入：“这个函数使用了 binary search 算法来查找元素”
输出：“该函数使用了 binary search 算法来查找元素”

不会把 “binary search” 错误识别成中文或者拆分开。

3. 技术术语识别

测试中发现，SaySo 对常见技术术语的识别率很高：

• ✅ Redis、MySQL、Kafka、Docker、Kubernetes

• ✅ RESTful、GraphQL、gRPC、WebSocket

• ✅ JWT、OAuth、HTTPS、SSL

• ⚠️ 一些小众框架可能识别不准（如 Actix、Axum）

4. 多语言翻译

在国际化团队中特别有用。我可以用中文说，SaySo 自动输出英文，反之亦然。

4.2 存在的不足

1. 噪音环境识别率下降

在开放式办公区，周围有人说话时，识别率会明显下降。建议：

• 使用降噪耳机 + 麦克风

• 在相对安静的环境使用

• 或者用“Hey SaySo”唤醒后再说话

2. 代码片段输入不友好

虽然可以用语音输入注释和文档，但直接说代码还是很别扭：

我说：“定义一个函数 def calculate score 括号 user 冒号 User 括号”
输出：“定义一个函数 def calculate score 括号 user 冒号 User 括号”

这种场景还是键盘输入更快。SaySo 适合文档和注释，不适合写代码本身。

3. 专业术语需要清晰发音

如果发音不标准，可能会识别错误：

• “Kubernetes” 可能识别成 “k8s”（虽然意思对，但不规范）

• “PostgreSQL” 可能识别成 “Postgres”

五、与竞品对比

5.1 主要竞品

产品	价格	优势	劣势	适合人群
SaySo	$3/月	场景适配强，中英文混输好	代码输入不友好	文档密集型开发者
Typeless	$12/月	识别率最高，技术术语准确	AI 味重，不适合聊天	专业技术写作
Wispr Flow	$10/月	纯转录，速度快	无智能优化	需要原始转录的场景
Cursor Voice	免费（Cursor 内置）	与 IDE 深度集成	仅限 Cursor 编辑器	Cursor 用户
GitHub Copilot Voice	包含在 Copilot 订阅中	与代码生成结合	仅限代码场景	GitHub Copilot 用户

5.2 我的选择

经过对比，我的使用策略是：

• 文档编写：SaySo（场景适配好）

• 代码编写：GitHub Copilot（代码生成能力强）

• 快速记录：系统自带语音输入（免费够用）

SaySo 不是万能的，但在文档和注释场景下是目前最好的选择。

六、使用建议

6.1 硬件配置

• 麦克风：MacBook 内置麦克风即可

• 网络：需要稳定的网络连接（语音识别在云端处理）

• 快捷键：设置全局快捷键（我用的是 Fn）

6.2 使用技巧

1. 分段输入

不要一口气说太长，建议每次说 1-2 句话，让 SaySo 处理完再继续。

2. 善用 AI 指令模式

说“Hey SaySo”可以唤醒 AI 命令：

• “Hey SaySo，翻译成英文”

• “Hey SaySo，改成正式语气”

• “Hey SaySo，生成表格”

3. 结合快捷键

我的工作流：

1. Fn 启动 SaySo

2. 说出内容

3. 再按 Fn 停止录音

4. 快速浏览输出

5. Tab 跳转到下一个需要修改的地方

4. 建立个人词库

在设置中可以添加常用的技术术语、项目名称、同事名字，提高识别准确率。

6.3 适用场景优先级

强烈推荐：

• ✅ 技术文档编写

• ✅ API 接口文档

• ✅ 代码注释

• ✅ Git Commit Message

• ✅ Code Review 评论

• ✅ 技术方案设计

可以尝试：

• ⚠️ 需求文档

• ⚠️ 测试用例

• ⚠️ 会议纪要

• ⚠️ 邮件回复

不推荐：

• ❌ 直接写代码

• ❌ 写正则表达式

• ❌ 写 SQL 语句

• ❌ 写配置文件

七、实际使用数据

使用 SaySo 一个月后，我的工作数据变化：

指标	使用前	使用后	变化
每日文档编写时间	2.5 小时	1 小时	-60%
每周代码注释覆盖率	45%	78%	+73%
手腕疼痛频率	每天	每周 1-2 次	-80%
文档质量评分（团队评价）	7.2/10	8.5/10	+18%

最大的收获：

1. 手腕不疼了：这是最直接的改善

2. 文档写得更多了：以前懒得写，现在说话就行

3. 注释覆盖率提升：Code Review 时被吐槽的次数明显减少

八、总结与建议

8.1 谁适合用 SaySo？

强烈推荐：

• 每天需要写大量文档的开发者（架构师、Tech Lead）

• 手部有职业病或想预防的程序员

• 在国际化团队工作，需要频繁中英文切换的开发者

• 重视代码注释和文档质量的工程师

不太适合：

• 纯写代码，很少写文档的开发者

• 在嘈杂环境工作，无法使用语音输入的人

• 预算有限的个人开发者（可以先用免费版试试）

8.2 是效率神器还是智商税？

我的结论：对于文档密集型开发者，是效率神器；对于纯代码开发者，可能是智商税。

如果你的工作内容包含：

• 30% 以上的文档编写

• 频繁的技术沟通（邮件、评论、方案）

• 大量的代码注释需求

但如果你 90% 的时间都在写代码，很少写文档，那 SaySo 的价值就没那么大了。

8.3 购买建议

1. 先用 30 天免费试用：充分测试是否适合自己的工作流

2. 重点测试文档场景：不要指望用它写代码

3. 配合好的麦克风：硬件投入会显著提升体验

4. 建立使用习惯：前两周可能不适应，坚持下来会有质的改变

8.4 最终评分

维度	评分	说明
识别准确率	⭐⭐⭐⭐	安静环境下 95% 以上
场景适配能力	⭐⭐⭐⭐⭐	这是最大亮点
效率提升	⭐⭐⭐⭐	文档场景 3-5 倍提升
易用性	⭐⭐⭐⭐	上手简单，快捷键方便
性价比	⭐⭐⭐	对文档密集型工作者值得
综合评分	⭐⭐⭐⭐ (4/5)	推荐文档密集型开发者使用

九、常见问题

Q1: SaySo 会上传我的语音数据吗？

A: 根据官方说明，语音数据在处理后会立即删除，不会长期存储。但语音识别确实需要上传到云端处理。

Q2: 支持离线使用吗？

A: 不支持。需要网络连接。

Q3: 可以自定义 AI 优化的程度吗？

A: 可以。有三种模式：纯转录、轻度优化、深度优化。

Q4: 支持 Linux 吗？

A: 目前不支持，只支持 macOS 和 Windows。

Q5: 可以和 IDE 插件集成吗？

A: 目前是系统级工具，不需要插件，在任何应用中都能用。

---

测试环境：

• 硬件：MacBook Pro M2, 16GB RAM

• 系统：macOS Sonoma 14.5

• 麦克风：AirPods Pro 2

• 测试时长：30 天

• 测试场景：真实工作环境

利益相关：本文为真实测评，未收取任何广告费用。

---

如果这篇文章对你有帮助，欢迎点赞收藏。如果你也在用 SaySo 或其他语音输入工具，欢迎在评论区分享你的使用体验。

官网：https://sayso.cn/
30 天免费试用