# 把电视遥控器变成电脑的语音入口

Next Token 博客

一个几十元的蓝牙遥控器加一段自己写的语音程序，连续两天全语音工作的体验：物理按键如何改变向 Agent 发号施令的方式。

发布：2026-10-10

电视遥控器上有现成的按键和麦克风，"按住说话"这件事它天生就会。把它连到电脑上，能不能当语音入口用？最近一次试验的答案是：能，但中间缺的那段软件要自己补。

## 硬件是现成的

试验用的是[小米蓝牙遥控器](https://nexttoken.tv/wiki/products/xiaomi-bluetooth-remote)的二代 Pro。它有喷砂铝外壳，按键布局和 Apple TV 遥控器一致，按住即可说话，蓝牙连接，USB 充电，续航按天的粒度掉电。录制时的价格是官方 99 元，网上 89 元，一代更便宜；同期一些主打 AI 语音的专用硬件卖两三百元，壳是塑料的，软件评价也不佳，有的还要占一个 USB 口。型号、价格、续航都是录制时的个例，这里关心的是体验，不是推荐哪一款。

值得注意的其实是生态位：厂商的注意力放在模型和 AI 生态上，并没有把自己的蓝牙遥控器当成电脑外设来经营——没有为它提供电脑端的语音输入软件。这块空位，恰恰是普通人用得上它的地方。

## 缺的是一段软件

遥控器连上电脑只是开始。要让它变成语音输入工具，两条路：找网上现成的驱动程序，或者按自己的需求写一个。这次试验选了后者——十一假期里用 [Codex](https://nexttoken.tv/wiki/products/codex) 开发了一段语音输入程序，定制自己的使用习惯，写完直接投入使用。

这件事本身没有任何技术难度上的新意：蓝牙遥控器是量产硬件，语音识别是成熟能力，写一段输入程序对现在的 Agent 不算难。新的是把它们接在一起之后的感受。

## 两天的全语音工作

程序就位后，连续两天坐在电脑前做项目，输入基本全靠按住遥控器说话。第三天临时要用键盘打字，出现了没预料到的状况：切输入法的快捷键想不起来了，一种"不会打字了"的陌生感。

这只是一次体验，不是结论。两天不足以证明任何长期的改变，只说明输入习惯建立得比预想快——身体对"开口输入"的适应，可能比自己以为的更彻底。至于长期切换输入方式会怎样，材料里没有答案，也不必急着下判断。

## 按键和屏幕各自负责什么

这次体验里最具体的部分是掌控感：用键盘时，感觉是在使用一个工具；按住遥控器说话时，感觉是在发号施令——让它干什么就干什么。物理按键给了明确的开始和结束，按下去说话，松开即止，不需要在屏幕上寻找麦克风按钮。对一个以对话为主的 Agent 使用方式来说，这个"握在手里的入口"比界面上的按钮更有存在感。

另一半体验在屏幕上。语音输入如果不能实时显示正在说的话——说了两三分钟什么也看不到，内容一次性吐出来——感受会明显打折，这是另一款语音工具被装上就卸的原因。遥控器解决"说"的入口，屏幕反馈解决"说的时候心里有底"，两者缺一不可：物理入口负责发出指令，屏幕负责让人确信指令被听见了。

## 谁来把生态位补上

这套组合的每个部分都不新，新的是组合起来的使用感受。厂商如果把这个遥控器单独拿出来卖，再配一个官方的驱动软件，这块空着的生态位未必一直空着。在那之前，这条路的前提是自己补一段程序——这也是为什么它目前更像一次值得记录的试验，而不是一篇可以照做的教程。

## 相关资料

- [小米遥控器与 AI 硬件生态的空位](https://nexttoken.tv/weekly/005/transcript#quote-0a10a111aa695683556c)
- [语音时看不到实时显示的糟糕体验](https://nexttoken.tv/weekly/003/transcript#quote-f627091715d2a8075cfa)

## 来源与相关链接

- [网页版文章](https://nexttoken.tv/blog/tv-remote-voice-entry)
- [Weekly #003 完整文字稿](https://nexttoken.tv/weekly/003/transcript)
- [Weekly #005 完整文字稿](https://nexttoken.tv/weekly/005/transcript)