听觉相对视觉更难更切换上下文。

你看网页的时候有人给你 QQ 发了句话，你可以轻松看了回复了然后接着看网页；但如果有人在你打电话的时候给你发了句语音（而你又不得不听），你肯定卡壳喽。音频流暂停的成本更高。看文字，我可以随时停下来；而音频的暂停和恢复至少需要一次操作的成本。对于某些不能拖进度条的应用（如微信），长语音一旦停止就得从头听一遍。这儿还有个社交上的优先级问题：比如你在跟女神共进晚餐，有人给你发了条短信，你可以瞟一眼判断事情的严重性，一般的事情可以暂时忽略；有人给你打个电话，你肯定得说不好意思我接个电话然后离席打吧；而若是有人给你发了条语音，你是边听女神讲话边听语音呢，还是说不好意思我听个语音，然后走到一边听完呢？难以自动化分析和处理。保存和搜索文字十分简单，音频你试试看？别跟我说语音转文字，那准确度尚不堪用。以及，微信在语言非中文的环境下不提供语音转文字功能。

语音消息真是最糟的发明，它不像文字那样直观、又不像打电话那样可以即时互动，而且还得受录音环境、收听场景、方言差异等等的影响……熟人的话也就算了，听听声音联络联络感情，可是一个完全不熟的人、为了自己图省事，一上来就噼里啪啦讲一堆，我得反反复复点开三五遍才明白你讲的是什么。耽误时间和沟通效率不说，还消耗我的正能量，这样真的好么？

一个非常有意思的现象是：学历越低的群，越喜欢互相发语音；而学历越高的群，越喜欢发文字！个人也越来越讨厌那些在微信群里发语音的人。有时你想打开一个群，看看大家都在聊什么，如果看到一段段的语言，听都懒的听了。