我给群忆装了一双耳朵：说句话，就能找到那张照片

我妈是用微信最勤的人，也是被相册折磨最深的人。

家庭群里几千张照片，想找上个月宝宝游泳的那张，她的操作是：一屏一屏往上划，划五分钟，最后在群里发一句："谁有宝宝游泳的照片？"

不是她不会用手机，是"搜索框 + 键盘输入"这套交互，对很多人来说就是有门槛的——打字慢、不知道该搜什么词、有的字压根打不出来。

但没有人不会说话。

所以在群忆里，我给相册装了一双耳朵：时间轴底部按住麦克风，说"找宝宝游泳的照片"，结果就出来了。

从"听到"到"听懂"

语音这件事，拆开是三步。

第一步：听清。 用的是微信同声传译插件（腾讯智聆），按住说话，松手识别，字就上屏了。选它而不是第三方语音服务，是因为它在微信生态内开箱即用，用户不需要任何额外授权跳转。

第二步：听懂。 识别出来的"找宝宝游泳的照片"只是一串字，真正的活儿在语义解析：拆出意图（搜索）、时间词（无）、关键词（宝宝、游泳）。我们还处理了一堆口语里的模糊表达：

第三步：找到。 所有搜索入口——文字、语音、标签——共用同一个检索服务，命中的正是识图打标建起来的标签索引。这也是为什么"听"和"看"必须放在一起做：语音说出来的"海边"，要靠视觉 AI 打的标签才接得住。

语音不止是搜索

做到一半我发现，语音如果只能搜图，用起来还是别扭——搜到了，然后呢？还得回到屏幕上找按钮。

于是把语音升级成了统一操作入口：导航、批量、管理，四十多个意图。

• "批量下载" → 直接进多选模式
• "移到婚礼照片集" → 选中内容一键归集
• "打开设置" / "去上传" → 页面导航
• "同意申请" → 成员审核（仅群主、管理员可用）

聚会现场单手举着手机，说一句"批量下载"，比在层层菜单里找按钮快得多。对不擅长操作手机的人，说话就是最好的 UI。

两条不能破的线

权限线。 "踢出成员"、"改权限"这类管理指令，语音只负责识别，执行前必须校验角色——语音不是绕过权限的后门。

隐私线。 麦克风权限只在按住说话那一刻申请，识别完即处理，不留存音频。

降级线。 识别失败或没配语音服务，相册照常用——搜索框还在那里，一个字都不影响。

一个真实反馈

内测的时候，一位群友的妈妈（60 岁）在家庭相册里按住麦克风说了句"找上周的照片"。结果出来后，她儿子在群里说：这是我妈第一次自己从相册里找到照片。

那一刻我觉得，这双耳朵装对了。

微信搜索「群忆」，试试对着你的群相册说句话。

群忆 · 会听、会看、会写的微信群相册