写给那种”想写却打不出字”循环里的人：我有一段想法，但打不出来。

我也曾是这种人——有一段想了三天的思路，对着空白文档坐了四十分钟，最后关掉，心里嘀咕一句”果然写不出来”。

后来我才明白，问题出在打字这个动作里。我一打开 Word，已经坐着一个审稿人。他是我的一部分，但他一旦上岗，”我真正想说的”就被他的”怎么写得更好”挤到后面去了。

这一篇把”先说话、再打字”的口述写作流水线拆给你看。从 AirPods 长按开始，到一篇能发的初稿为止。中间走过的不是工具，是人称切换。

一、为什么一开口就有，一打字就没

现象层：两个版本的我

我尝试做过一个对照。

同样一段思考——”为什么一开口就有、一打字就没”——我在两个场合讲：

第一场，对着手机的语音备忘录，按住录制键直接讲。三分钟结束。
第二场，打开文档，从同一句”为什么一开口就有”开始打。四十分钟后我还在写第三段，中间删了七次、每删一次都要重新审视”是不是写得太啰嗦”。

两段成稿时长差不多。但第一个版本我没删过一个字。第二个版本删了七次，删完还是觉得不够好。

更重要的差别不在时长——在第一段没出现过的那句话：”这样写够不够好？”

这句话在口述时从来没冒出来过。它只在打字时才上场。

打字是写作我，口述是说话的我

这就是我要讲的那件事：打字自带审稿人在场。

这不是工具偏好问题，是人称切换问题。

打字的时候，你的人称是”写作的我”——你正在生产一段要被看的文字。还没开始打，脑子里那个评你的人就上线了。这不是你的想象，是写作行为本身的特性：文字是固化的、可回看的、可被裁断的。可被裁断 = 被裁断。

口述的时候，你的人称是”说话的我”——你正在讲一件事给某个人听。声音是即时的、不可撤销的。说话时没有回退键——说完就成立了。不可撤销的东西无法被评。

用一句话形容这个差别：打字是公开行为，你正在生产一段要被看的文字；口述是私密行为，你正在跟某个人讲一件事。公开行为会启动内在批评者，私密行为不会。

这个差别不是我悟出来的，是我在三年里对口述写作反复测试的结果——开始口述的第一秒就能感觉到那个审稿人消失。不是我压住了他，是口述这件事不需要他。

同一段思考的两套时长

口述三分钟、打字四十分钟还卡着——这不是偶然。我后来在很多段思考里反复验证：口述永远比打字短、口述永远更接近原始想法。

更让我意外的是另一件事：口述的内容，比打字删改完的版本，更接近我”真正想说的”。

不是口述比打字”更真诚”那种浪漫化描述。我的观察是更朴素的：打字删改的过程里，我删掉的不只是冗余，常常是原始想法。我以为在优化文字，实际上在优化”我这个人应该怎么说”。

口述绕开了这一层。不是因为口语更”自然”——是因为口语没给我优化”我这个人”的机会。

二、内在批评者跟打字这个动作绑死了

这一节我要做一件事——把这个机制讲透。

如果你读过我之前写的两篇：完美主义那篇（”我还没准备好”，写给那个永远觉得”再等等”的人），还有自律误诊那篇（”我不够自律”是个误诊），你会记得一个共同的角色——内在批评者。

简单说，内在批评者是你脑子里那个永远在挑刺的声音。它不是”低自信”，不是”你不够好”——它是你人格里那个编辑，跟”你”是两个人，永远比”你”先上线。

那一篇里它是抽象的”你脑内的声音”。这一篇我要把它绑到一个具体动作上：打字。

可评判就是被评判

口述和打字最大的差别不是”会不会打字”，不是”有没有录音设备”，不是”敢不敢对着话筒讲”，是输出是否可被回看。

文字是一种可回看的介质。写下来之后，它会停留在那里等你回头看、回头改、回头裁断。这意味着它天生就处在”被评判”的状态里——不是可能，是必然。一个可以被评判的输出，它就一定会被评判——评判者是内在批评者。

声音不是。声音是即时的。说完了就消失了。除非你录下来转成文字，否则它根本不进入”可被评判”的领域。

这就是为什么口述写作比打字流畅得多——不是口述的人比打字的人厉害，是口述这一行为绕开了评判发生的介质。

跟打字绑死的内在批评者长什么样

如果你想直观看到这个机制，可以做一件事：

打开一个空白的 Word 文档，光标停在第一行。然后什么都不写，就坐着。

观察你脑子里的声音。多数人会听到这几类声音：

“你应该写什么？”——这是审视主题的声音
“你写得够不够好？”——这是审视质量的声音
“你这样写，别人会怎么看？”——这是审视读者的声音
“你上次写到一半没写完，这次也会一样吧？”——这是审视过往的声音

这些声音在你还没开始打之前就已经上线了。它们不是在你打字的过程中出现的——它们在你打开文档、看着光标的那一秒就出现了。

这就是内在批评者跟打字绑死的意思：你不是在打字的时候才被审视，你是在准备打字的时候就已经被审视了。光标是触发器。

口述没有这个触发器。录音键是一个物理动作——按住就录、抬手就停。它没有任何”光标”可以让你看见”还没开始”。所以你不会被那种”你应该写什么”的声音挡住——你按下去就开始讲了。

为什么这一节我先讲机制，不先讲工具

市面上的”高效写作”文章多在讲工具——用哪个软件、哪种模板、什么结构。但所有这些工具都在”打字”这个介质上运转——你换了再多的工具，光标还在，评判者还在。

不先理解”可评判就是被评判”这个机制，你换多少工具都没用。内在批评者会跟着你换工具，永远比你的新工具先上线。

工具是路径，能改变你的，是机制。这一篇后段会讲工具，但讲工具前你得先把这个机制看明白，否则工具只是新的牢笼。

三、这条流水线是怎么搭的

机制讲完了。现在讲工具。

但我先说一个不那么好听的：工具不是这篇的重点。重点是人称切换——你已经从机制那节读懂了。工具只是让你更稳定地进入”说话的我”的那条路。如果你没有看懂机制，给你这套工具也只会让你多几个按钮按。

下面这套是我用了三年的版本。它不是唯一的、也不是最好的。但它有几个特点：每一步摩擦都低，每一步我都能讲清楚为什么这样配。

第一步：录音——让口述不冷场

录音这一步最常见的失败是”按下录制键之后，脑子空白 30 秒”。

我观察过这个空白期。它不是”没东西说”——是录音键被按下的那一刻，内在批评者终于反应过来了，开始追问”你要讲什么”。光标没了，录音键成了新的触发器——但触发时间晚了几秒，足够让你开始讲。

对付这个空白期，有三个小技巧：

技巧一：先问自己，再开始讲。

录音键按下前，先在脑子里问一句”我想跟谁说这件事？”——一个人、一个场景、一个具体的人。我多数时候是跟自己说，但”跟自己说”也得有个具体场景：我今天想通了一个关于时间管理的想法，想跟小明讲明白。

这个”具体的人”是启动”说话的我”的关键开关。

技巧二：从”最近发生的一件具体事”开始讲。

不要从”今天我想谈谈 XXX”这种抽象开头开始——那种开头会给内在批评者一个”主题审查”的机会。直接从一件事开始讲：”今天我打开 Word 准备写稿，对着一个光标坐了 40 分钟……”

具体事是抗审查的——因为它已经发生了，没法被改。

技巧三：30 分钟上限。

如果一段录音超过 30 分钟，你大概率在编。原始想法用口述讲完最长也就 20 分钟。再长就是你在脑子里”找更好的说法”——找的过程就是内在批评者借尸还魂。

超过 30 分钟就停。重录。或者换个主题。

第二步：转写——Whisper 和第一刀砍什么

录音结束后，转写。我用 Whisper 本地跑（macOS 上装 whisper.cpp，iOS 上用 Shortcuts 录完直接送到 Mac 跑也行，但本地更稳）。

转写出来的第一刀是最重要的刀。这一刀决定你是把口述变成”另一种形式的写作”，还是把口述保留为”口述的内容”。

我的规则是这样的：

砍掉：所有的”嗯 / 然后 / 就是 / 那个”等口头禅。这些字在口语里是润滑剂，在文字里是噪音。

保留：你自己的独特句式。比如你习惯说”那件事的核心是……”而不是”核心问题是……”——前者更像你自己，后者像写出来的。保留前者。

不要做的事：不要把口语译成书面语。口语里的”我想说一下”、”我突然意识到”、”其实不是这样”这些表达，是”说话的我”的痕迹——一旦你把它改成”应当指出”、”由此可见”，你就在做第二次”内在批评者上线”——这次审的是”我的文字够不够书面”。

具体操作：

录音存成 .m4a 或 .wav
转写脚本输出 .txt（Whisper 默认带时间戳，但第一稿不要时间戳，只留纯文字）
第一刀用一次正则去掉口头禅（10 分钟工作）
文件名按日期 + 主题命名：2026-08-10-说比写诚实-录音转写稿.txt

到这一步你应该有一个 2000-4000 字的”口语稿”——比录音时长对应的字数略少（因为口语本来就有冗余）。

第三步：提炼——NotebookLM 是发问的，不是代笔的

这一段是这套流水线里最容易被误用的部分。

很多人把 NotebookLM（或任何 AI）当成”代笔工具”——把口语稿扔进去，让它改写成书面文。这种用法是错的：它会把你的”说话的我”重新包装成”写作的我”——内在批评者再次以”AI 审稿”的形式上线。

我用的方式不一样：我用 NotebookLM 发问，不让它改写。

具体操作：把口语稿扔进去，让它扮演一个”好奇的朋友”——它读完会问几个问题：

“你那段关于’人称切换’的想法，能再讲讲吗？我没完全懂。”
“你为什么觉得’光标是触发器’？光标跟内在批评者之间是什么关系？”
“你讲完这段之后，最后一句想落到哪？是想说’所以你应该口述’，还是想说’所以你应该看见自己’？”

这些问题不是它替你写的——是你自己读完之后会意识到”哦，我那段没讲清楚”或者”我没想到还有这一层”。

然后我再口述一遍回答——这一遍回答会带着我刚被问题启发出来的东西。

这是一个循环：

原始口述 → 转写稿 → AI 发问 → 第二轮口述（带新内容）→ 合并稿

每一轮口述都会比上一轮更接近”我真正想说的”——因为问题在打开我原本没想到的角度。

这一步是这套流水线真正改变我写作习惯的部分。前两步只是把口述变成文字；这一步让口述反哺思考。

第四步：落稿——5 条口语到书面的改写规则

到这一步你有了一个”原始口语稿 + 第二轮口述的补充”，加起来可能 5000-7000 字。

现在要把它变成一篇能发的稿。但这个改写过程跟普通的”AI 改稿”不一样——它要保留”说话的我”的痕迹。

我用的 5 条规则：

规则一：不译成书面语，但删掉纯口语冗余。

“我想说一下” 改成 “我想说” 或 “我想讲”。”其实不是这样” 改成 “其实是这样” 或直接删。不要改成”由此可见”那种书面词——那是”写作的我”的口吻。

规则二：保留节奏。

口语有节奏——长句短句交错、停顿、重复。如果你打字时习惯把所有句子改成同样的长度，你会把这种节奏抹掉。改稿时让自己读一遍出声——读得顺就是节奏还在。

规则三：删连接词。

口语里”所以、然后、因为这样、于是呢”这些连接词非常多——它们在口语里是话与话之间的留白，文字里显得啰嗦。第一刀大胆删，删到读起来不卡顿为止。

规则四：只补事实，不加修辞。

改稿时如果你想加一句”这是一个深刻的想法”——不要加。这种句子是”写作的我”在替自己鼓掌——它会让读者立刻警觉”作者在推销自己”。只补”这件事的背景是 XXX”这种事实性补充。

规则五：最后一遍只读不写。

改完最后一遍不要动键盘了——从头读一遍。如果某一段读出声时卡顿、或者你发现自己读的时候想”是不是不够好”，不要改。那种卡顿是”说话的我”和”写作的我”还没和解的地方——它不在这一稿里解决，留给下一稿。

配套：iOS Shortcuts + Obsidian Inbox

把上面四步串起来，需要两个配套：

iOS Shortcuts 一键发送：

触发器：长按 AirPods（Siri 唤醒）说”记一下”
录音存到 iCloud Drive 的 _inbox/voice/ 文件夹
文件名按 ISO 日期 + 主题命名
这一步把”想法冒出来”到”录音落地”的摩擦压到接近零

Obsidian Inbox 零分类：

录音转写稿直接丢到 vault 的 00.Inbox/voice-notes/
不分类、不打 tag、不归档
我自己 vault 的 CLAUDE.md 那套”低摩擦收集口，扔进来不分类”就是为这个设计的
每周或每两周做一次：通读一遍 Inbox，把还活着的转写稿提炼到对应主题的文章草稿里

这两个配套加起来，从”想到一件事”到”它已经变成可检索的文本”的总摩擦不超过 30 秒。

四、这条流水线的真正价值

如果上一节只让你看到了工具，那是你还没读完。

工具会迭代——明年 Whisper 可能被新的本地转写工具替代；NotebookLM 可能被新的 AI 笔记工具替代；甚至 iOS Shortcuts 的语法也可能改。但人称切换这件事是稳定的——任何让你”先说再写”的流程都在触发它。

这一节讲那一锹。

口述绕开的不是审查，是人称

我再讲一遍这件事——因为它是整篇的核心。

你说一句话时，你的人称是”说话的我”。你打一段字时，你的人称是”写作的我”。这两个我住在不同的脑区、用不同的记忆路径、对内在批评者有不同的响应阈值。

“说话的我”用的是叙事记忆：你想起的是具体的事、具体的人、具体的场景。这些东西在你脑子里没被评判过——它们就只是发生过。
“写作的我”用的是抽象记忆：你组织的是概念、定义、论证。这些东西在你脑子里”有对错”——它们就是被评判的对象。

口述写作之所以流畅，不只是因为它绕开了内在批评者——它进入了叙事记忆。叙事记忆里的内容比抽象记忆里的内容多得多，也”活”得多。你以为自己”没东西可写”，不是真的没东西——是你调错了记忆库。

ICF 教练的核心动作

我在做 ICF 个人教练的过程中反复验证了一件事：大部分人不是没答案，是没有把答案说出来的环境。

我作为教练做的最多的事不是”告诉对方怎么做”——是问问题。问的不是引导性问题（”你想不想试试 XXX”），是探索性问题（”你刚才说到’我怕写不好’，你能再多讲讲这个’怕’吗？”）。

对方讲完之后——常常不是我问的问题引导出来的，而是他们讲的过程本身把答案讲出来了。他们原本以为自己”不知道怎么选”——讲完 5 分钟发现”我其实已经选了，只是之前没敢承认”。

这就是 ICF 教练的核心动作：让说话产生答案。

而口述写作，你自己做的就是这件事。你按下了录音键——你成了自己的教练。你对着话筒讲——你的答案自己冒出来。你不需要任何人在场，录音键就是你的教练。

为什么这一锹比工具本身重要

工具是路径，这一锹是目的地。

如果你看完这一篇，回去只装了 Whisper、设了 Shortcuts、搭了 Inbox——你会发现它有效。但如果你发现一段时间之后它又失效了（内在批评者学会了用”我要让 AI 帮我改稿”来重新上岗），那说明你需要回到这一锹：让自己进入”说话的我”。

任何时候你发现”我又在替自己审查了”——回到录音键。讲一段。不为写任何稿。就讲。

讲完你可能发现：那段时间不是白过的——你只是没把它用对地方。

这一锹的代价

我要诚实地说这一锹的代价。

进入”说话的我”需要你暂时接受自己讲的内容是”未优化”的。这跟你的训练相反——你从小被训练”先想清楚再说、再写”。这一锹让你反过来：先说，再想清楚。

这意味着你录下来的语音稿会”乱”。会有重复、会有跳跃、会有”说错了再讲一遍”。这些痕迹是”说话的我”的诚实——但如果你不训练自己接受这种诚实，你会在转写阶段就把内在批评者重新请回来。

训练自己的方式是：先允许 10 段”乱”的稿子。不发表、不给任何人看、就放在你自己的 Inbox 里。10 段之后你才能真的让”说话的我”放松下来——因为他知道这次不会立刻被审判。

我自己的 Inbox 里躺着 60 多段没发表的口语音频。它们在等什么时候值得发。

五、写在最后

这套东西不能解决所有问题。它解决的是”打字这个动作把内在批评者请回来”这一层问题。

如果你试过这套流水线，发现自己在录音阶段就卡住——那不是工具问题，也不是流水线问题。那是更深一层的事：你可能不只怕写不好，你可能怕讲出来的东西暴露你是谁。

那是一篇不同的文章。今天你已经有了一条可以从”想”到”说”的路。先走一遍，看看你卡在哪。

走完之后你会发现一件事：”我打不出字”这句话，在你开口讲完之后，消失了一半。不是因为它被解决了，是因为你给了自己一个证据——你确实有东西可以说。

关于这篇，说得直白点

这篇不打算教你”更会写作”。它打算帮你少怀疑自己一点。

如果你试过这套流水线，发现”说话的我”很难启动——不是因为你笨，是因为内在批评者已经跟你的文字行为绑了很多年。把它拆开不是一次决心的事，是一个慢慢的过程。

这事可以有个安全的地方练。我做 ICF 个人教练。我的工作是陪你看见那个内在批评者：看见它的来源、它的常用台词、它跟你的关系。等你跟它之间的关系变了，它的声音自然就小了。

预约入口还在搭，搭好后会更新这一行。

参考与说明

danielwirtz 音频笔记到 Capacities（iOS Shortcuts）：工具链溯源。Dan Wirtz 个人博客（danielwirtz.com/blog）有题为 “Audio notes to Capacities (iOS Shortcuts)” 的文章，记录 iOS Shortcuts + 语音备忘录 + Capacities 笔记工具的串联配置，是本文”AirPods → Shortcuts → 录音落地”环节的具体参考（URL 形式 https://danielwirtz.com/blog/capacities-audio-notes，tavily 在博客列表页确认了文章存在但未抓到独立 URL 完整路径，以作者博客列表页为准）。
效率火箭 NotebookLM 集成：NotebookLM 与笔记工具的串联做法。原译文 2025-12-21 发布于效率火箭（xlrocket.blog），题为「【译】我这里 5 款可以与 NotebookLM 集成的高效应用」，URL：https://xlrocket.blog/2025/12/21/【译】我这里-5-款可以与-notebooklm-集成的高效应用/，tavily 直接命中。NotebookLM 本身由 Google 推出，能基于上传的资料提问和总结。
完美主义那篇：本文核心机制”内在批评者绑在打字上”的前置背景。原文论证”我还没准备好”的发声器如何让人在还没开始之前就退场。
自律误诊那篇：本文”内在批评者不是逼你躺平、是逼你别动手”的前置论证。原文基于自我决定论解释了”被逼做的行为三周后必然塌方”，并提出”减少决策疲劳 / 减少阻力 / 与身份对齐”三件具体事。
自我决定论（Self-Determination Theory）：Edward L. Deci & Richard M. Ryan, 1985 起。三要素框架——自主感、胜任感、关联感——在 2000 年代由 Ryan & Deci 进一步形式化。
叙事记忆 vs 抽象记忆：Tulving 1972 提出 Episodic-Semantic 区分。叙事记忆对应具体事件与场景，抽象记忆对应概念与事实。本文第四节”口述进入叙事记忆”的论证基础。
ICF 教练核心动作：International Coaching Federation 2021 年起用的 8 项核心能力中，”Maintains Presence（保持在场）”+”Listens Actively（积极倾听）”+”Evokes Awareness（唤起觉察）”三项是”说话产生答案”的技术基础。8 项完整列表：Demonstrates Ethical Practice / Embodies a Coaching Mindset / Establishes and Maintains Agreements / Cultivates Trust and Safety / Maintains Presence / Listens Actively / Evokes Awareness / Facilitates Client Growth。
写作障碍（writer’s block）与内在批评者：心理动力学模型把写作障碍理解为”作者人格中编辑人格过度强势”——Rose, 1980《Writer’s Block》提出过类似机制，本文打字=写作我、口述=说话我的区分与该模型同源但表述不同。
本文是个人成长反思，不是心理咨询或临床建议。

说比写诚实【Whisper + NotebookLM：把 40 分钟散步口述，变成一篇能发的初稿】