Wispr Flow完成2.8亿美元B轮融资，推出Canto语音模型
美国语音输入公司Wispr Flow完成2.8亿美元B轮融资，估值达20亿美元，并发布面向真实噪声环境的自研语音模型Canto。公司将把资金用于提升识别准确率、产品研发与部署，目标从单纯听写扩展到更广泛的语音驱动交互和自动化工作流。
美国语音输入公司Wispr Flow完成2.8亿美元B轮融资，估值达20亿美元，并发布面向真实噪声环境的自研语音模型Canto。公司将把资金用于提升识别准确率、产品研发与部署，目标从单纯听写扩展到更广泛的语音驱动交互和自动化工作流。
美国语音输入初创公司Wispr Flow于2026年8月17日宣布完成2.8亿美元B轮融资，投后估值达到20亿美元。本轮融资由Menlo Ventures领投，既有投资者和新投资者共同参与，使公司累计融资额达到3.61亿美元。
在融资消息之外，Wispr还预览了首个自研语音识别模型Canto。公司称，该模型面向汽车、街道、开放式办公室等真实使用环境，重点处理背景噪声、风声、口音和音乐等因素。按照Wispr的披露，在其所称的“最困难条件”下，Canto可以把错误率从超过30%降至5%至10%。这一数字目前属于公司自述的测试结果，尚未有独立基准对其普遍适用性进行复测。
从语音输入切入更大的交互市场
Wispr表示，新资金将主要用于提高语音识别准确率、推进产品研发和扩大部署规模。公司内部关注的一项指标是“零编辑率”，即用户说出的内容有多大比例可以在首次转写后直接使用，而无需修改。
这反映出语音输入产品面临的一个核心难题：用户对语音错误的容忍度，往往低于对普通语音助手的容忍度。天气查询或设置闹钟出错时，用户可以重新说一遍；但如果语音工具用于写工作邮件、代码或重要文件，一个错误的词可能打断原本的思路，迫使用户重新回到键盘。
Wispr首席执行官Tanay Kothari在公司的融资公告中说，用户改用语音输入的目的，是保持思路的连续性；如果产品每隔几句话就要求用户停下来修正，语音节省时间的价值就会被削弱。
公司称，用户目前已经通过Flow生成超过600亿个单词，产品覆盖几乎所有《财富》500强企业，并被超过1万家企业使用。路透社在相关报道中也引用了这些数据。不过，这些使用量和企业覆盖数据主要来自Wispr自身披露，并不是经过公开审计的经营指标。
Canto押注真实环境，而非安静录音室
传统语音识别系统通常在相对干净的录音条件下训练和评估，但现实中的语音输入往往伴随着复杂干扰。用户可能在汽车里说话，也可能在街上、公共交通工具上或开放式办公室中使用语音工具；说话者的口音、语速、混合语言和周围人的声音，也会影响转写结果。
Wispr称，Canto针对这些环境进行了优化，并能够处理一定程度的多语言混用。公司还表示，模型将结合用户个人词典、联系人姓名和历史纠正信息，以提高对专有名词、个人表达方式和代码词汇的识别能力。
这类能力的价值并不只在于降低字词错误率。Wispr在其关于Flow技术挑战的文章中，把低延迟、个性化、上下文理解、用户纠正学习和不确定性提示列为长期工程问题。公司希望语音模型不仅能把声音转成文字，还能根据用户正在使用的应用、此前的表达习惯和当前任务，生成更接近可直接使用的文本。
语音AI的评估也正逐渐从单一的识别分数，扩展到噪声、口音、对话稳定性和真实场景泛化能力。AIFlux此前在语音AI评测从“会说”转向“会听”的报道中提到，语音系统在自然性、可靠性和理解力等维度上可能表现出明显差异，自动化榜单并不能完全替代真实用户和人工评审。
因此，Canto披露的5%至10%错误率需要结合测试集、噪声类型、语言范围、统计口径和对照模型来理解。Wispr目前没有在公告中公开完整的评测方法、数据集或第三方测试结果，外界仍难以据此判断模型在不同地区和不同用户群体中的表现。
Wispr不再把自己定位为单纯的听写工具
融资公告显示，Wispr正在把产品方向从“语音转文字”扩展到更广泛的人机交互。公司近期推出了会议记录工具Notetaker，用于生成会议摘要和行动事项；TechCrunch在报道中称，Wispr还希望进一步把这些结果连接到其他工具中，例如更新文件或生成邮件草稿。
Wispr的长期规划可以概括为三个阶段：可靠的语音输入、从语音到行动，以及通过可穿戴设备扩大使用范围。公司在“语音界面发展规划”中表示，语音输入是建立用户信任的第一步，只有当用户相信系统能准确理解自己，才会愿意让它处理更复杂的任务。
这一路线也解释了为什么准确率会成为本轮融资的主要投入方向。对Wispr来说，语音输入是进入用户日常工作流程的入口；会议记录、上下文理解和后续行动则是提高产品使用频率和商业价值的下一步。公司还在推进高级接口实验室，由曾参与亚马逊Alexa早期工作的Ariya Rastrow负责，探索语音之外的新型人机交互方式。
高估值背后的竞争与验证压力
Wispr进入下一阶段时，面对的并不是一个没有竞争者的市场。除了苹果、谷歌、微软、OpenAI和Anthropic等大型科技公司在持续推进语音功能，市场上也出现了Willow、Monologue、Aqua和Superwhisper等面向个人用户的产品。会议记录领域则已有Granola、Fireflies和Read AI等竞争者。
更大的挑战在于，语音输入产品需要同时解决模型质量、延迟、隐私和分发问题。Wispr官网目前将Flow定位为可在桌面和移动设备上使用的语音转文字工具，并强调支持100多种语言、个人词典和跨应用工作流。面向企业的产品页面则列出SOC 2 Type II、HIPAA和ISO 27001等合规能力，但不同合规功能适用的套餐和部署条件并不完全相同。
对于估值达到20亿美元的Wispr而言，投资者押注的不只是一个更快的听写应用，而是一层能够连接用户意图、文本编辑、会议记录和后续操作的交互基础设施。公司需要证明，语音输入带来的高频使用能够转化为稳定的订阅收入，也需要证明Canto在公司自测环境之外仍然具备足够的可靠性。
接下来值得观察的，是Canto何时全面投入使用、第三方测试是否能够验证其在噪声和口音环境中的表现，以及Notetaker能否从摘要工具进一步发展为能够执行后续工作的交互层。对于语音AI行业来说，真正的竞争标准可能不再是模型在安静环境里能否准确听写，而是它能否在用户不愿停下来检查的时刻，持续理解并完成任务。
来源：
不错过任何一条 AI 大事
订阅 AIFlux 早报，每天 3 分钟看懂产业动态。
