语音的信息量远大于文字。信息量大会带来许多不便，比如：
人工分析和筛选需要更多的时间和精力
我一眼扫过去能看完的文字（呃我小学低年级就能达到每分钟千字的阅读速度了），听语音的效率降低至少十几倍。何况花这十几倍精力听完的东西还可能一点意义都没有。更何况如果听不清（发语音的人并不知道最终效果如何），效率再降低几十倍。
听觉相对视觉更难更切换上下文（context）
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（只要不是啥重要的事情）；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（说你呢，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（结果两边都听了个一知半解），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。
A:“对方讲了啥？截个图我看看”
B:“……”
还有一点：声音会不可控地扩散到物理空间中。下面的场景很常见：
公共场合听语音，外放了，被一群人听到
公共场合听语音，用听筒，还是被一群人听到
公共场合听语音，用听筒，发现听不清，于是不得不调音量再听一遍
公共场合听语音，用听筒，发现最大音量还是听不清，于是用外放，手机喇叭贴在耳朵上
安静环境听语音，用听筒，发现音量太大，耳朵聋了，于是不得不调音量再听一遍
安静环境听语音，想用听筒，结果不慎用了喇叭，耳朵聋了，于是慌忙按暂停
听语音，想用听筒，结果没听到声音，一看，原来是脸碰到屏幕暂停了
听语音，想用听筒，结果没听到声音，一拿开，外放了，被一群人听到
开会、上课的时候时候收到语音，恨不得隔着屏幕掐死对方（然后偷偷摸出耳机带上并期待老板/老师没看到）
收到语音，一时不能听，于是就忘了……忘了……
……
所以我现在用语音就两个场合：
没法打字（比如在骑车或者开车）
没有更合适的途径（比如要唱首歌给别人听）
剩下的时间一律打字。你要听语音，自己手机上装个文本转语音（TTS）的软件不就行了。
