人工（gōng）智能（néng）让（ràng）手机语音输入法快（kuài）速增长（zhǎng）

大家都知道，在每个（gè）人每天（tiān）高频使（shǐ）用的手（shǒu）机（jī）应用清单中，有一个（gè）低调而重要的存在：手（shǒu）机输（shū）入法。赛诺不久前发布（bù）的《2018上半年中国手机输入法（fǎ）分析报告》显示：2018年手机输入法市场规模将突破（pò）9．8亿，环比增（zēng）长22．5％，其中活跃（yuè）用户占比超过54％，用户（hù）规（guī）模（mó）和数量都保（bǎo）持持续增长（zhǎng）。

这并不难理解，输入法是目前人机交（jiāo）互最重要的入口之一。而经（jīng）过二（èr）十余年发展，手机输入（rù）法在“文字键入（rù）”这（zhè）条单一（yī）路（lù）径上（shàng），已几乎（hū）抵达（dá）技术演化的尽头——颇为欣喜的是，如今，在（zài）智能语（yǔ）音等AI技术的加持（chí）下，手机输入法这个最接地气的入（rù）口，正在摆脱（tuō）文字键入（rù）的单一束缚（fù），开拓新的发展路（lù）径，甚至在一定（dìng）程度上担当着新（xīn）技术“桥头堡”的使（shǐ）命。

譬如百度（dù）8月1日（rì）公布（bù）的2018年（nián）第二（èr）季度未经审（shěn）计的财务报（bào）告显（xiǎn）示，百（bǎi）度营（yíng）收260亿元人民币（bì）（约合39．3亿美元），同（tóng）比增长32％，净（jìng）利润64亿（yì）元（约合9．67亿（yì）美元（yuán）），同比增长（zhǎng）45％。其中AI对（duì）百（bǎi）度（dù）业（yè）务的驱动（dòng）力显著，除了DuerOS和Apollo，百度AI也为百度APP、信（xìn）息流、手（shǒu）机（jī）输入法等（děng）移动端业务带来了高效（xiào）增长，李彦宏（hóng）表示，百度（dù）输入（rù）法语音输入请求量短短一（yī）年（nián）时间内成长到日均（jun1）3．35亿次。相（xiàng）比于（yú）去（qù）年3月百度AI技（jì）术平台体系（xì）（AIG）成立（lì）时，日均语音请求量增长5倍（bèi）。在我（wǒ）看（kàn）来，这种迅猛上扬，一（yī）方面受益于百度语音识别自身体验（yàn）的（de）日趋（qū）完（wán）善（shàn）；另一方（fāng）面则（zé）受益于（yú）语音输入已渡（dù）过市（shì）场教（jiāo）育（yù）阶段，正在处于（yú）大规模爆发的风口。

而通过百度输入法的不断迭代（dài）可以发现（xiàn），作（zuò）为一款具备入口意义（yì）的应用，手机输入法早已不再（zài）是一（yī）个简单的（de）“插件（jiàn）”，而是（shì）AI时代（dài）一款（kuǎn）需要不断打磨用户体（tǐ）验的服务型产品。

效（xiào）率至上

如你所知，在最（zuì）新一版百度输（shū）入法中，除了支持（chí）拼音、笔（bǐ）画、五笔、手写和智能英（yīng）文等基（jī）础功（gōng）能，最关（guān）键的技术跃迁，是智能语音输入和AR表情两大全新功能的（de）上线，这极大丰富了（le）用户（hù）的输入体验。

先说（shuō）语音。

从诺基亚到iphoness，从功能机（jī）到智能机，整个移动时（shí）代，就（jiù）是一部人机交互难度不断下降，交互方（fāng）式不断丰富的历史。而诚如“互联网女皇”米克（kè）尔所言（yán）：在最近数十（shí）年（nián），人机交互每隔十（shí）年就会发生一次重（chóng）大创新，语音则是当下最高效的输入方式。

在如今所有语音场景之（zhī）中，大多数人最先接触到的，就（jiù）是手机输入法的语音输入功能。相较于手写和（hé）拼音等传统方式（shì），语音输入效率更高，交互方式更自（zì）然，无论是主（zhǔ）动（dòng）的技术（shù）尝（cháng）鲜（xiān）者，还是快（kuài）节奏生活下（xià）的被（bèi）动选（xuǎn）择，这种巨大的（de）便（biàn）捷性（xìng），都让输入（rù）法从文字向语音的大规模迁徙（至少在不方便打（dǎ）字的（de）情景下），成为不可逆（nì）的演化（huà）趋势。

数据也证明这一（yī）点：《2018上半年中国手机输入法分析报（bào）告》就显示，在输（shū）入方（fāng）式选择上（shàng），语音（yīn）输入（rù）占比已提升至41％，用户习惯日（rì）趋养（yǎng）成；此外（wài），更像（xiàng）是某种（zhǒng）交叉印证，最近（jìn）搜狗发（fā）布（bù）的第二季（jì）度（dù）财（cái）报（bào）显示（shì），其（qí）日均（jun1）语（yǔ）音请求量也超（chāo）3亿次（颇值（zhí）得（dé）玩味的是，作为一家“非专门”做输入法的（de）公司（sī），百度（dù）输入法官方公布（bù）的日均语音请求量是（shì）超过3．35亿次，和（hé）搜狗不（bú）相上下（xià））。

总之，一切都指（zhǐ）向一点：语音正在成（chéng）为更多人输（shū）入方（fāng）式的必选项，且他们（men）一旦开始（shǐ）用（yòng）上语音，产生（shēng）的黏（nián）性（xìng）往往非（fēi）常（cháng）高，属于（yú）典型的“一旦（dàn）用（yòng）上就离（lí）不（bú）开”系列。

不过，语音输（shū）入的顺畅，必须拜深厚（hòu）的技（jì）术（shù）功底所赐，倘（tǎng）若准确率不堪（kān）重用，反而会造成（chéng）效率下降——所以（yǐ）说，“准（zhǔn）”是语音输入最基（jī）本的素养。

令（lìng）人欣喜的是，依托（tuō）“百度大脑”的（de）进化，作为百度AI技（jì）术率先落地的产品之（zhī）一，百度输入法（fǎ）凝（níng）聚（jù）了百度深耕（gēng）多年的语音、图像（xiàng）、NLP和知识图谱等（děng）AI能力——尤其（qí）是AI语音技（jì）术，业内皆知，目前识别（bié）率高达97％的百度语音（yīn）曾入选MIT“全球（qiú）十大（dà）突破技术”，并且在手机百（bǎi）度和（hé）百度地图等产品中早已广（guǎng）泛应用，而随着（zhe）DuerOS朋友（yǒu）圈的持续（xù）扩张，也会不断“反哺”百度的语音技术，这种得天独厚的技术和生态优（yōu）势，是其他公（gōng）司不具备的，也势必会夯实（shí）百度输入法语（yǔ）音请求（qiú）量的（de）领先地位。

当然，在提高识别准确率方（fāng）面，百度输入法（fǎ）并未停止进化脚步（bù），最近一次（cì）重（chóng）大突破，就是其搭载了（le）百（bǎi）度第二代深度尖峰（fēng）技术（shù）（Deep Peak2）。“DeepPeak2模型”的全称（chēng）是基于LSTM和CTC的上下（xià）文无关音素组合建模，它最大的技术蜕变，就是将高（gāo）频出现（xiàn）的音素联合在一（yī）起，形成一个音素组（zǔ）合（hé）体，然后将这（zhè）个音（yīn）素组（zǔ）合体视作（zuò）一个基本建模（mó）单元。

这意味（wèi）着，与在过往数十年业界常用的上下（xià）文相（xiàng）关建（jiàn）模方式相比，DeepPeak2能最大程（chéng）度发挥神经网络模型（xíng）的参（cān）数优势，大幅提升中英（yīng）文，多种口音和多种风格（譬（pì）如朗读，聊天，轻声）混合（hé）输（shū）入（rù）的（de）稳定性（xìng）和准确度，目前其（qí）相对正确率较行业（yè）领先水平提升（shēng）20％。另外（wài），难能可贵的一点是，不同于一（yī）些输入法遇上（shàng）“中英混（hún）输”后瞬间变成“车（chē）祸现场”，DeepPeak2同时支持中英文混合建模，让百度输入法具备了非常（cháng）强大的中（zhōng）英文（wén）混合识别能力。

事实上，此（cǐ）次百度（dù）输入法的技术突破（pò），并不令（lìng）人（rén）意外。百度是中国最早通过深度学习技术（shù）在语音识别领域取（qǔ）得突（tū）破的公司之（zhī）一，早在2012年就率先上线了基于DNN的语音识别（bié）模型（xíng）。过（guò）去6年，百（bǎi）度（dù）语音（yīn）一直没有停止（zhǐ）进化，几乎每年（nián）都会上线新的语音（yīn）识别技术——如今DeepPeak2的上线，亦是语（yǔ）音科技史上的一（yī）次巨（jù）大跃迁，要知道，之前国际（jì）上（shàng）也曾（céng）有过类似（sì）建模方式（shì），但（dàn）却没（méi）法（fǎ）避免建（jiàn）模时（shí）出现的过拟合问题，而百度通过声学模型（xíng）学习（xí）和语（yǔ）言信息（xī）学习（xí）相分离（lí）的特殊（shū）训练（liàn）方法（fǎ），将建模单元数目减少了10倍，从（cóng）本质上（shàng）解（jiě）决（jué）过渡拟合的问题，极大提升了（le）识别准确率，殊为（wéi）不易。

而除（chú）了准确率上的不断精益，百度输入法（fǎ）在语音输入功能上（shàng），也不（bú）断产生惊喜。譬如（rú），百度输入法具（jù）备轻声识别能力（lì），无（wú）论（lùn）会场（chǎng）还是课堂，都能降低（dī）语音输入的尴尬；它还具备（bèi）语音速记功能，在这（zhè）一功（gōng）能（néng）的（de）“多人模式”场（chǎng）景下，声纹识别（bié）技术可以自动区分发言人，大幅降低工作者后（hòu）期处理的成本；除此之外，百（bǎi）度输入法（fǎ）支持中文普通话，中（zhōng）文（wén）粤语，英（yīng）语和日语（yǔ）等多语种（zhǒng）识（shí）别；且能让（ràng）用户通过语音完成语音拨号和语音搜索等功能，后者尤为重要，企业基（jī）因所致，百（bǎi）度输入法拥有（yǒu）很强的搜（sōu）索元素，你知道，聊（liáo）天时突然出（chū）现（xiàn）搜索需求，是（shì）很常见（jiàn）的交叉应用场景，通过百度输入法自带的搜索功（gōng）能，可免去切换应用带来的（de）时间折损。

总之不难（nán）发现，在效率维（wéi）度，百度正不断推陈出新，让输（shū）入法成为（wéi）人们日（rì）常最值得仰仗的工具，通过（guò）不断（duàn）夯实用户（hù）的语音输入习惯，延续（xù）着（zhe）移动时代人机交互难度（dù）不（bú）断（duàn）下降，交互方式不断丰（fēng）富的历史（shǐ）脉络。

打磨用户（hù）体验

如果说“效（xiào）率（lǜ）至（zhì）上”是一（yī）款输入法的基本素养，那么（me）“可玩（wán）性”——或者说愉（yú）悦感，则能进（jìn）一步丰富用户体验的维度。而考虑到社交是手机输入法应用最多的场（chǎng）景（数据显示，社交类APP中（zhōng）输入法占比高（gāo）达74％），百度输（shū）入法也一直在（zài）提升用户（hù）在社交场景下（xià）的愉（yú）悦感。

举个例子（zǐ），百度输入法中有（yǒu）70％是90后（hòu），其中60％的人经常玩（wán）“斗图”。针对于此，百度手机输（shū）入法开发了AR表情功（gōng）能，基（jī）于（yú）百（bǎi）度多模（mó）态人（rén）脸识别系（xì）统（tǒng）（支持104点基础模型加眼睛（jīng）、嘴部、眉毛单例模型；全脸识别278点（diǎn）），能准确识（shí）别面部轮廓和表情，用户可制作出只属于（yú）自己的表情、感（gǎn）觉和动作，并直接通（tōng）过输（shū）入法搜索，语音输入和键（jiàn）盘输入时展示出（chū）来。且受益（yì）于AR表情（qíng）功（gōng）能识别速（sù）度快（kuài），表情（qíng）文件小等特点，用（yòng）户可在聊天中轻（qīng）松使用（yòng），刻（kè）画（huà）出自己（jǐ）在虚拟世界中的独特（tè）形象。

百度AR趣味表情

AR表情功能（néng）的上线也意味着，百度（dù）输入法是首家同时支（zhī）持2D、3D表（biǎo）情以及通（tōng）过人脸控制虚拟形象制作表情。而我相（xiàng）信，在（zài）可预见的未来，AI和AR等（děng）新技术对输入法产品的作用会（huì）越来越大，将会有更多新技术被添置到输入法中。在百（bǎi）度的带领下，作为新（xīn）技术“桥头堡”的输入法，有可能进入一个（gè）更灵动的全感官（guān）输入（rù）时（shí）代。

未来由现在筑（zhù）造（zào）。不难发现，依托百度（dù）强大的（de）AI基础，无论是在（zài）“准”这个基本面上的不断深耕，输（shū）入功能的不断完（wán）善，还是可（kě）玩性和（hé）愉（yú）悦感的不断提升（shēng），都（dōu）是百度在输（shū）入领域全方位了解（jiě）用户需求，不断打磨用户体验的（de）体现。这种对（duì）用户体验的打磨，也（yě）让昔日功（gōng）能（néng）单一的手机输入法，具备了“语音（yīn）助手”，“效率工具”和“聊（liáo）天（tiān）伴侣”等多重身份，并在不（bú）同用户手上，得到不同程度的释放。

正如百度高（gāo）级副总裁、AI技（jì）术平（píng）台体（tǐ）系（AIG）总（zǒng）负责（zé）人（rén）王海峰所言（yán）：“AI的发展最终还是要回到（dào）‘服务用户需求’的本质，这是我们每一位人（rén）工智能从业者都需要铭记在（zài）心的。利用好人工智能来服务好我们（men）的用户和客户，以及更好（hǎo）地（dì）打（dǎ）磨AI能力来（lái）推动各行各（gè）业的效率（lǜ）提升，是每一位人工智能领域（yù）从（cóng）业者的期望。”

作（zuò）为你我最重（chóng）要的工具伴侣，手机输入法本身正在变得“复杂”，却（què）让（ràng）生活和工（gōng）作变得更为简（jiǎn）单。在我看来，这才（cái）是技术的本分。