AI 语音录入 + AI 粘贴录入，把混乱信息直接录入飞书多维表格

AI 语音录入 + AI 粘贴录入，把混乱信息直接录入飞书多维表格 AI 语音录入 + AI 粘贴录入，把混乱信息直接录入飞书多维表格 Modified February 6 最后，我们正在用 Vibecoding 搭建一个“万涂幻象多维表格社区”。 这里多说一句，预计下周我们会同步上线社区论坛，以及通过自然语言直接搭建多维表格的功能。到时候，你只需要把业务需求告诉它，它就能根据你的需求自动为你生成一套完整的解决方案给你提供参考。还可以实现帮你一键创建多维表格，就是想踏踏实实给大家提供点好用的东西，大家可以小小期待一下。 在目前的社区规划中，我们专门设计了一个工具站页面。网页里全是各种 AI 工具的卡片，上面有 Logo、名称、描述，还有一堆像“ AI写作工具”、“ AI图像工具”这样的功能标签。 为了把这些数据整理到表格里做后台管理，我就想把工具站的截图直接丢给它，看看能不能识别出来。原本以为它只能把名字认出来，结果 AI 给我的反馈再次惊艳到了我。大家注意看那个“标签”列。 还记得前面那个行政排班表吗？在那里，AI 准确识别出了 单选 状态。 而在这里，面对一个卡片上可能同时出现多个标签的情况，多维表格的 AI 并没有机械地套用单选逻辑，它甚至看懂了这些标签的业务含义，自动把字段类型切换成了 多选。从“单选”到“多选”，这种对数据结构的灵活判定，才是业务场景里最需要的智能。 这一点真的非常细节，同样的那张图，我也用钉钉的万能贴试了一下。它虽然也识别出了文字，但并没有识别出这些标签是“单选”或者“多选”属性，而是作为普通文本处理。 这就意味着，如果我想要用这些标签来做筛选，还得自己手动去后台一个个重建字段、清洗数据。相比之下，多维表格直接生成了可筛选的结构化数据，这一步确实帮我省去了二次清洗的麻烦。 所以你看，无论是手机上的随口一说，还是电脑上的随手一粘，这两个功能的本质都不是什么高大上的黑科技，而是对人类惰性的极致包容。 这次测评中展示的很多实操视频，其实都要归功于我们社区的一位朋友。说来有些无奈，我自己主力机用的是鸿蒙系统，目前还无法体验这些内测功能，只能眼巴巴地看着别人爽。 所以在这里，我也想代表广大花”用户，隔空喊话一下飞书团队：非常期待飞书的所有功能早日能在鸿蒙系统上全量适配！以后的内测环节，能不能也优先考虑一下咱们鸿蒙系统的兼容性？ 毕竟，好工具不应该有系统的围墙哈哈。 写在最后 其实不管是钉钉的 AI 表格，还是飞书的多维表格，我们都能清晰地看到一个趋势，AI 正在重塑我们与数据的交互方式。 客观地说，钉钉在基础的文字识别和语音转写上有着不俗的表现，特别是在处理手写体等特定场景下，功底扎实，值得肯定。大家都在为了“降低门槛”这件事上努力，这本身就是行业的一件幸事。 而飞书多维表格这次上新的AI 语音录入和AI 粘贴录入，给我的感觉更像是一个懂业务的参谋。它不仅是在“看字”或“听音”，更是在尝试理解背后的数据结构和业务逻辑。 • AI 语音录入：它听懂的不只是声音，而是你反悔、纠错后的最终意图。哪怕环境再嘈杂，它也能帮你过滤掉噪音，把混乱的口语直接变成整齐的台账。 • AI 粘贴录入：它看懂的不只是像素，而是复杂的排版关系。无论是合并单元格的层级，还是标签背后的“多选”逻辑，它都能一步到位还原成可分析的结构化数据。 当然，在AI时代，这两个工具也都还有需要继续努力和优化的地方。面对千奇百怪的业务场景，它们偶尔也会有“水土不服”的时候。但这种良性的竞争和迭代，最终受益的一定是我们这些使用者。 工具的终极形态，应该是 隐形 的。最好的工具，不应该让人去适应系统，而应该像水一样，去适应人的形状。当录入数据的成本无限趋近于零时，我们才能真正从繁琐的“搬运工”角色中解放出来，把精力花在真正有价值的业务思考上。 同时，还是那句话，光看不练假把式。为了让你真的能落地实战，我把咱们今天聊的这些内容，连同我压箱底的经验，全部整理在了开源的飞书知识库。都在里面了：https://vantasma.feishu.cn/wiki/space/7574356946532925441?ccm open type=lark wiki spaceLink&open tab from=wiki home 觉得有用的话，记得关注我，点个在看。咱们下一篇见。 最后，我们正在用 Vibecoding 搭建一个“万涂幻象多维表格社区”。 这里多说一句，预计下周我们会同步上线社区论坛，以及通过自然语言直接搭建多维表格的功能。到时候，你只需要把业务需求告诉它，它就能根据你的需求自动为你生成一套完整的解决方案给你提供参考。还可以实现帮你一键创建多维表格，就是想踏踏实实给大家提供点好用的东西，大家可以小小期待一下。 在目前的社区规划中，我们专门设计了一个工具站页面。网页里全是各种 AI 工具的卡片，上面有 Logo、名称、描述，还有一堆像“ AI写作工具”、“ AI图像工具”这样的功能标签。 为了把这些数据整理到表格里做后台管理，我就想把工具站的截图直接丢给它，看看能不能识别出来。原本以为它只能把名字认出来，结果 AI 给我的反馈再次惊艳到了我。大家注意看那个“标签”列。 还记得前面那个行政排班表吗？在那里，AI 准确识别出了 单选 状态。 而在这里，面对一个卡片上可能同时出现多个标签的情况，多维表格的 AI 并没有机械地套用单选逻辑，它甚至看懂了这些标签的业务含义，自动把字段类型切换成了 多选。从“单选”到“多选”，这种对数据结构的灵活判定，才是业务场景里最需要的智能。 这一点真的非常细节，同样的那张图，我也用钉钉的万能贴试了一下。它虽然也识别出了文字，但并没有识别出这些标签是“单选”或者“多选”属性，而是作为普通文本处理。 这就意味着，如果我想要用这些标签来做筛选，还得自己手动去后台一个个重建字段、清洗数据。相比之下，多维表格直接生成了可筛选的结构化数据，这一步确实帮我省去了二次清洗的麻烦。 所以你看，无论是手机上的随口一说，还是电脑上的随手一粘，这两个功能的本质都不是什么高大上的黑科技，而是对人类惰性的极致包容。 这次测评中展示的很多实操视频，其实都要归功于我们社区的一位朋友。说来有些无奈，我自己主力机用的是鸿蒙系统，目前还无法体验这些内测功能，只能眼巴巴地看着别人爽。 所以在这里，我也想代表广大花”用户，隔空喊话一下飞书团队：非常期待飞书的所有功能早日能在鸿蒙系统上全量适配！以后的内测环节，能不能也优先考虑一下咱们鸿蒙系统的兼容性？ 毕竟，好工具不应该有系统的围墙哈哈。 写在最后 其实不管是钉钉的 AI 表格，还是飞书的多维表格，我们都能清晰地看到一个趋势，AI 正在重塑我们与数据的交互方式。 客观地说，钉钉在基础的文字识别和语音转写上有着不俗的表现，特别是在处理手写体等特定场景下，功底扎实，值得肯定。大家都在为了“降低门槛”这件事上努力，这本身就是行业的一件幸事。 而飞书多维表格这次上新的AI 语音录入和AI 粘贴录入，给我的感觉更像是一个懂业务的参谋。它不仅是在“看字”或“听音”，更是在尝试理解背后的数据结构和业务逻辑。 • AI 语音录入：它听懂的不只是声音，而是你反悔、纠错后的最终意图。哪怕环境再嘈杂，它也能帮你过滤掉噪音，把混乱的口语直接变成整齐的台账。 • AI 粘贴录入：它看懂的不只是像素，而是复杂的排版关系。无论是合并单元格的层级，还是标签背后的“多选”逻辑，它都能一步到位还原成可分析的结构化数据。 当然，在AI时代，这两个工具也都还有需要继续努力和优化的地方。面对千奇百怪的业务场景，它们偶尔也会有“水土不服”的时候。但这种良性的竞争和迭代，最终受益的一定是我们这些使用者。 工具的终极形态，应该是 隐形 的。最好的工具，不应该让人去适应系统，而应该像水一样，去适应人的形状。当录入数据的成本无限趋近于零时，我们才能真正从繁琐的“搬运工”角色中解放出来，把精力花在真正有价值的业务思考上。 同时，还是那句话，光看不练假把式。为了让你真的能落地实战，我把咱们今天聊的这些内容，连同我压箱底的经验，全部整理在了开源的飞书知识库。都在里面了：https://vantasma.feishu.cn/wiki/space/7574356946532925441?ccm open type=lark wiki spaceLink&open tab from=wiki home 觉得有用的话，记得关注我，点个在看。咱们下一篇见。 公众号原文链接：https://mp.weixin.qq.com/s/MWvrE 5prQfmJXCvTNf0hA 公众号原文链接：https://mp.weixin.qq.com/s/MWvrE 5prQfmJXCvTNf0hA 大家好，我是祥瑞，深耕飞书多维表格，专注 AI 落地实战，只解决业务里的真问题。 回想大学时代，我最烦的一件事就是填问卷。特别是什么心理测评、就业调查，动不动就甩过来几十道题，密密麻麻的单选多选填空。刚开始还能耐着性子看两眼，填到后面心态直接崩了，全是闭着眼睛瞎选。导致我现在看到长表单就生理性抗拒。 熟悉我们的朋友都知道，我一直在深耕飞书多维表格，专注于解决业务场景里的实际问题。前几天，我发现飞书多维表格正在内测两个新功能，试用之后就惊艳到我了我去。 这两个功能分别是AI 语音录入和AI 粘贴录入。它们最大的特点我觉得就俩字，快 和 准。 先说说那个能拯救填表恐惧症的AI 语音录入。 很多兄弟可能会觉得，这肯定又是什么需要配置半天的高级功能。其实它的开启方式特别简单。 你只需要在新建问卷的界面右上角点击那个设置图标， 在下拉菜单里找到AI 语音录入的开关，点一下就可以了。 就这一步，你的问卷在飞书移动端打开时，界面上就会多出一个显眼的录音按钮。 有了这个按钮，就不用费死劲去填写表单了，一句话就可以。 而且你还完全不用像个机器人一样念一句填一格，试试对着手机一口气说：记一下，张三今天完成了仓库盘点，状态是已完成，不过发现有两箱货包装破损，需要联系供应商，标签打上异常和待处理。 No access 8d560c06d3a3a39a623eccbbb6227ab9 00:00 No access 8d560c06d3a3a39a623eccbbb6227ab9 00:00 这时候，AI会自动识别你这段话里的业务指令，哪怕语序是乱的，它也能精准地把人名、状态、多选标签、长备注拆解得清清楚楚，分别填入那 4、5 个格子里，一步到位。如果发现识别有误，你还可以再次点击按钮进行纠正录入。 更绝的是，它甚至能听懂你的反悔。这简直是销售跟进时的救命稻草。试想一下，你刚拜访完客户，正急匆匆地走在去停车场的路上，哪有功夫停下来打字？你对着手机随口说一句：今天拜访了明日璀璨，客户意向很高，预算大概 50 万... 哦不对，预算记错了，改成 80 万吧，然后下周二再去回访。 No access ceb32c9e9751dd0f5ee9777ec5a9363e 00:00 No access ceb32c9e9751dd0f5ee9777ec5a9363e 00:00 而且，这个功能简直就是为一线工人量身定制的。你可以挑战一下极限噪音环境，在手机边上放一段机器轰鸣的噪音，或者在建筑工地那种嘈杂环境下，尽量靠近麦克风，大声喊出指令：设备温度 50 度，运转正常，但是皮带有点松，建议晚班紧固一下。你会发现，虽然背景吵得要死，但表单里依然准确填入了设备名称、状态和处理建议，没有出现乱码。 No access dddc73d41870825c9abc470d4cb62904 00:00 No access dddc73d41870825c9abc470d4cb62904 00:00 另外，对于咱们很多说不准普通话的老师傅，它还能听懂河南话、四川话、上海话和粤语。在这里我让豆包说和河南官话测试了一下。 你看像老师傅说方言也可以精准识别。 No access 7cf1eef68929f8dad9a8d2a1fef5c18b 00:00 No access 7cf1eef68929f8dad9a8d2a1fef5c18b 00:00 有很多小伙伴不知道怎么把 Excel 里的老数据转成多维表格，或者虽然换了工具，思维还停留在 Excel 时代，这个我们昨天那篇文章就有提到过。遇到电商平台上的竞品信息，第一反应还是习惯性地当个人工搬运工，一个个手动敲进去。现在多维表格里的AI 粘贴录入，就是要把 Ctrl+V 这个简单的动作做到极致，把所有的死图、死文字，变成活数据。 这个功能怎么用？它提供了两种方式。 如果你习惯可视化操作，可以在表格视图左上角的添加记录旁边，点击那个小小的下拉箭头，选择AI 粘贴录入，然后把你的图片或者文字拖拽进去。 但如果你像我一样是个懒人，也可以直接在多维表格里直接按下 Ctrl+V，Mac里是是 Command+V。 这时候 AI 会立刻开始工作，它会根据你当前的表格结构进行智能匹配。它会自动判断你粘贴内容里的“时间”应该填进表里的“日期列”，把“金额”填进“数字列”，把“长段描述”填进“多行文本列”。你只需要像个监工一样，检查一下数据对不对，点个确认录入，数据就整整齐齐进去了。 同样的，咱们直接看实战效果。 首先是行政和项目经理最头疼的复杂进度表解析。为了测试它的极限，我特意找了一张项目进度表的截图。大家看这张原图，最左边的“项目名称”是一个跨了多行的合并单元格，右边的“当前状态”则是带颜色的状态标签。 这种表以前是 OCR 识别的死穴。其实钉钉的 AI 表格也有类似的功能，他叫“万能贴”，为了验证效果，我特意拿这张图做了一个横向测评。 这一次，快 是飞书多维表格给我的第一直观感受。处理这种常规表格，飞书很快就生成了结果，而钉钉那边我等了很久才出来。为了对比，我在我的超长屏幕上分别打开钉钉AI表格和飞书多维表格，先放钉钉里，结果发现飞书多维表格后放的先把数据填了进去。 No access 20260205 1226 35.4668908 00:00 No access 20260205 1226 35.4668908 00:00 除了快，差异最大的还是在识别结果的准确性上。 飞书多维表格不仅完美还原了“项目名称”和“任务”的从属结构，最关键的是，它精准识别出了“当前状态”是一个单选字段。原图里的“进行中”、“已完成”以及那些红点、对钩等视觉符号，被直接转化成了彩色的选项标签，数据结构一步到位。 而钉钉的识别结果出现了一些偏差。首先，它没有识别出“当前状态”是单选字段，而是将其处理成了纯文本。其次，在处理合并单元格时出现了错位，把“桌面研究”这个任务名错填到了“项目名称”列，导致整个表格的层级逻辑变得混乱。 从最终效果来看，多维表格是像人眼一样在“看”图，它懂排版逻辑，懂字段类型；而钉钉在面对这种复杂排版时，主要还是侧重于文字内容的提取，后续确实还需要再花点时间手动整理。 其次，为了测试 AI 对手写体的识别能力，我在网上随便找了一张装修费用的手写清单，字迹相对比较潦草。 我把这张图同样分别丢给给了飞书多维表格和钉钉AI表格。 从结果来看，两者对“金额”这一列的处理都很谨慎，都识别成了文本类型，没有自动转成货币字段，估计是因为原图里出现了像“115+140”这样的算式，AI 可能怕转成数字会丢失信息，这点上两者打个平手。但比较有意思的是清单的最后一行，那个字写得龙飞凤舞，非常难认。飞书多维表格把它识别成了“超纲”，而钉钉把它识别成了“挂钩”。 说实话，这确实得给钉钉点个赞，在单纯的字形识别上，它这次更准。不过更有趣的是，我第一眼看原图时，下意识也看成了“超纲”，还心想超纲是什么鬼。后来仔细对比了钉钉的结果，再放大原图看那一笔一划，才发现确实是“挂钩”。 第三，是电商运营场景的商品信息抓取。我随手截了一张天猫首页的商品推荐列表。这张图大家都很熟悉，满屏的“爆款”、“补贴”，排版非常花哨。 我把这张图分别扔给了飞书多维表格和钉钉AI表格，想看看它们能不能把核心的商品信息提取出来。 飞书多维表格的表现非常懂行。大家看下面这张图，它非常干净地提取出了“商品标题”和“价格”，更关键的是，它自动把图片里的“茶语飘逸”、“高硬耐磨”这些营销文案，单独归类到了 卖点 这一列。甚至，它还精准识别出了图片左上角的品牌 Logo，自动生成了 品牌标识 列，比如“心相印”、“老人头”，这一步清洗工作做得非常到位。 再来看看钉钉的识别结果。它虽然也提取出了价格，但在“商品标题”的抓取上似乎有点“迷路”了。仔细对比你会发现，它经常把图片里醒目的副标题或卖点文案，比如“18包 茶语飘逸”、“高硬耐磨”作为价格填了进去，反而把真正的商品名称，比如像“心相印手帕纸...”给漏掉了。这意味着，如果我要用这个表，还得一个个去改标题，工作量其实并没有减少太多。