人工（gōng）智能让手机语音输（shū）入（rù）法快速（sù）增长

大家都知道，在每个人每天高（gāo）频（pín）使（shǐ）用的手机应用清单中，有一个低调而重要的存在：手（shǒu）机输入法。赛诺不（bú）久前发布的（de）《2018上（shàng）半年中国（guó）手机输（shū）入法分析（xī）报告（gào）》显示：2018年手机输入法市场规模（mó）将突（tū）破9．8亿，环比增长22．5％，其（qí）中活跃用户占比超过54％，用户规模和数量都保持持续增长。

这（zhè）并（bìng）不难理解，输（shū）入法是目前人机（jī）交互最重要（yào）的入口之一。而经过二十余年发（fā）展，手机输入法在“文字（zì）键入”这条单（dān）一路径上，已几乎抵达技（jì）术演化（huà）的尽头——颇为欣喜的是，如今（jīn），在智（zhì）能语音等AI技术（shù）的加持下（xià），手机输（shū）入法这个最接地气的入口，正（zhèng）在摆脱文字键入（rù）的单一（yī）束缚，开拓新的发展路（lù）径，甚至在一（yī）定程度上担当着新技（jì）术（shù）“桥头堡”的使命。

譬如百度8月1日（rì）公布的2018年（nián）第二季度未经审计的财务报（bào）告显示，百度营（yíng）收（shōu）260亿元人民币（约合（hé）39．3亿美元），同比增长32％，净利（lì）润64亿元（约合9．67亿美元），同比增长45％。其中（zhōng）AI对百（bǎi）度（dù）业（yè）务的驱动力显著，除（chú）了DuerOS和（hé）Apollo，百度AI也为百（bǎi）度APP、信息流、手机输入法等（děng）移动端业务带来了高效增长，李彦宏表示，百度（dù）输入法语音输入请求量短短一年时间（jiān）内成长到日均3．35亿次（cì）。相比于去（qù）年3月百度AI技术平台体系（AIG）成（chéng）立时，日均语音请求量增长5倍（bèi）。在我看来，这种迅猛上扬（yáng），一方面受益于（yú）百度语音识别（bié）自身体验的日趋完善；另一（yī）方（fāng）面则受益于语（yǔ）音（yīn）输入（rù）已（yǐ）渡过（guò）市场教育阶段，正在处于（yú）大规模爆发（fā）的风口。

而通过百度输入法的不（bú）断迭代可以发现，作为一款具备入口意（yì）义的（de）应用（yòng），手（shǒu）机输入法早（zǎo）已不再（zài）是一个简（jiǎn）单的“插件”，而是AI时代一款需要不断打（dǎ）磨用户体验的服务（wù）型产（chǎn）品。

效率至上

如你（nǐ）所知，在最（zuì）新一版百度输入法（fǎ）中，除了支（zhī）持（chí）拼音、笔画（huà）、五笔、手写和智能英文等基础功能，最（zuì）关键的技术跃迁，是智能语音输入和AR表（biǎo）情两大全新功能的上线，这极大（dà）丰富了用户的（de）输入体验。

先说语音。

从诺基（jī）亚到iphoness，从功能机（jī）到智能（néng）机，整个移动（dòng）时代（dài），就（jiù）是一部人机交互难（nán）度不断下（xià）降，交互方（fāng）式不断丰富的（de）历史（shǐ）。而（ér）诚如“互联网女（nǚ）皇”米克尔所言：在最近数十年，人机（jī）交互（hù）每隔（gé）十年就（jiù）会发生一次（cì）重大（dà）创新（xīn），语音则是当（dāng）下（xià）最高效的输（shū）入方式。

在如今（jīn）所有语音（yīn）场景之中，大多（duō）数人最先接触（chù）到（dào）的，就是手（shǒu）机输入法的（de）语音输入功能。相（xiàng）较于手写和拼（pīn）音等传统方式，语音输入效率更高，交互（hù）方式更（gèng）自然，无论是主动的（de）技术尝鲜者（zhě），还是快节（jiē）奏生活下（xià）的被动选择，这（zhè）种巨大的便（biàn）捷性，都（dōu）让输入法从文（wén）字向语音（yīn）的大规模（mó）迁徙（至（zhì）少在不方便打字（zì）的情景下（xià）），成为不可（kě）逆的演化趋势（shì）。

数据也证明这（zhè）一点：《2018上半（bàn）年中国手机输入法分析报告（gào）》就（jiù）显示，在（zài）输入方式选择上（shàng），语音输入占比已提升至41％，用户习惯日（rì）趋养成（chéng）；此外，更像是某种交（jiāo）叉印证（zhèng），最（zuì）近搜狗发布的第（dì）二季度财报显示，其日均语（yǔ）音（yīn）请求量也超（chāo）3亿次（颇值得玩味的（de）是，作为一家“非专（zhuān）门”做（zuò）输入法的公司，百（bǎi）度输入法（fǎ）官方公布的日均语音请求量是超过3．35亿次（cì），和搜狗不相上（shàng）下）。

总之，一切都指向（xiàng）一点（diǎn）：语音正在成为更多人输入方式的必选项（xiàng），且他们一（yī）旦（dàn）开始用上语音，产生的黏性往（wǎng）往（wǎng）非常高，属于典型的“一旦用上就离不（bú）开”系列。

不过，语（yǔ）音输入的顺畅，必（bì）须拜深（shēn）厚的技术功底所赐，倘（tǎng）若准（zhǔn）确率（lǜ）不堪重用，反而会造成效率下降（jiàng）——所以说，“准”是语音输（shū）入（rù）最基本的（de）素养。

令人（rén）欣喜的（de）是，依（yī）托“百度（dù）大（dà）脑（nǎo）”的进（jìn）化，作为百度AI技术率先落地的产品之一，百度输入（rù）法（fǎ）凝聚了百度深耕多年的语音、图像、NLP和知识图谱等AI能力——尤其是AI语（yǔ）音技术（shù），业（yè）内皆知，目前识别率（lǜ）高达97％的百（bǎi）度语音曾入（rù）选MIT“全球十大（dà）突破技术”，并（bìng）且在（zài）手机百度和百度地图等产品中早已广泛应用，而随（suí）着DuerOS朋（péng）友（yǒu）圈的（de）持（chí）续（xù）扩张，也会不断“反哺”百（bǎi）度的语音技术，这种得（dé）天独厚的技术和生态优势，是（shì）其（qí）他公司（sī）不具备（bèi）的，也（yě）势必（bì）会夯（bèn）实百度输入（rù）法语音请求量（liàng）的领（lǐng）先地位。

当然，在提高识别准确率方面，百度输入（rù）法并（bìng）未停止进（jìn）化（huà）脚步，最近一次重大突破，就是其搭载（zǎi）了（le）百度第（dì）二代（dài）深度尖峰（fēng）技术（Deep Peak2）。“DeepPeak2模（mó）型”的全（quán）称是基于LSTM和CTC的上下文无关音（yīn）素组合建模，它最大的技术蜕变，就是将高频（pín）出现的音素联合在一（yī）起，形成一个音素组合（hé）体，然（rán）后将这个音素组合体视作一（yī）个基本建模单元。

这（zhè）意（yì）味着，与在过往数十年业界（jiè）常用的上下文相关（guān）建模（mó）方式相（xiàng）比，DeepPeak2能最大（dà）程度发挥（huī）神（shén）经网络（luò）模型的参数优势，大幅提升中英文，多种口音和多种风格（gé）（譬如朗读，聊天，轻声）混（hún）合输（shū）入的稳定性（xìng）和准确度，目前（qián）其相对（duì）正（zhèng）确率较行业领（lǐng）先水平提升20％。另外，难能可贵的一点是，不同于一些输（shū）入（rù）法遇上“中英混输（shū）”后瞬间变成“车祸现场”，DeepPeak2同时支持中英（yīng）文混合建模，让百度（dù）输（shū）入法具备了非常强大的中（zhōng）英文混合识别能（néng）力。

事实上（shàng），此次百度输入法的技（jì）术突破，并不令人（rén）意外。百度是中国最早通过深度学习技术在语音识别领域取得突（tū）破（pò）的公司之（zhī）一（yī），早（zǎo）在（zài）2012年就率先上线了基于DNN的语（yǔ）音（yīn）识别模型。过（guò）去（qù）6年，百度语音一直（zhí）没有（yǒu）停止进化，几乎每年都会上线（xiàn）新（xīn）的语音识别（bié）技术——如今DeepPeak2的上线，亦是语音科技史上的一次巨大跃迁（qiān），要知（zhī）道（dào），之前国际上也曾有过类似建模（mó）方式，但却没法避免建模时出现的过拟合问题（tí），而百度通过声学模型学习和语言信息（xī）学习相分离的特殊训练方法，将建模单元（yuán）数目减少了10倍（bèi），从本（běn）质上解（jiě）决过渡拟合的问题，极大提升（shēng）了识（shí）别准确率，殊为不易（yì）。

而除了准确率上的不断精益，百度输入（rù）法在语音输入功能上，也不（bú）断产生惊（jīng）喜。譬如，百（bǎi）度输（shū）入（rù）法具备轻声（shēng）识（shí）别能力，无论（lùn）会场还是课堂，都能（néng）降低（dī）语音输入（rù）的尴尬；它还具备语音速记功能，在这一功能的“多人（rén）模式”场（chǎng）景下，声纹（wén）识（shí）别技术（shù）可以自动区分（fèn）发（fā）言（yán）人，大（dà）幅降低工（gōng）作者后期（qī）处理的成本；除此之外，百度输入法支（zhī）持中文（wén）普通话，中（zhōng）文（wén）粤语，英语和日语等多语种（zhǒng）识（shí）别（bié）；且（qiě）能让用（yòng）户通过语音完成语音拨（bō）号和语音搜索等（děng）功能，后（hòu）者尤为（wéi）重要，企业基（jī）因所（suǒ）致，百度输入法拥（yōng）有（yǒu）很强的搜索（suǒ）元素，你知道，聊天时突然出现搜索需求，是很常见（jiàn）的交（jiāo）叉应（yīng）用（yòng）场景，通过百度输入法自（zì）带的搜索功能（néng），可免（miǎn）去切换应用带来的时（shí）间（jiān）折（shé）损。

总（zǒng）之不难发现，在效率维度，百（bǎi）度正不断（duàn）推陈（chén）出新，让输入法成为（wéi）人们日常（cháng）最（zuì）值得仰（yǎng）仗的工具，通过不断夯实用户的语音（yīn）输入习惯，延续着移动时代（dài）人机交互难度不断下降，交互方式不断丰（fēng）富的历史脉络（luò）。

打（dǎ）磨用（yòng）户体验

如果说“效率至（zhì）上”是一款输入法（fǎ）的基（jī）本素养，那么（me）“可玩性”——或者说愉悦感，则能进一步丰富用户体（tǐ）验的维度。而考（kǎo）虑到社（shè）交是手机输（shū）入法应用最多的场景（数据（jù）显（xiǎn）示，社交类APP中输（shū）入法占（zhàn）比高达（dá）74％），百度输入法也（yě）一直在提升用户在社交场（chǎng）景下的愉悦感。

举个例子（zǐ），百（bǎi）度输入法中（zhōng）有70％是90后（hòu），其中60％的（de）人经常玩“斗图”。针对于此，百度手机输（shū）入法开发了AR表情功能，基于百度多（duō）模态人（rén）脸识别系（xì）统（支持104点基础模型加眼睛、嘴部、眉毛单（dān）例（lì）模型；全脸识别（bié）278点），能准（zhǔn）确（què）识（shí）别面部（bù）轮廓和（hé）表情，用户可制作出只属于自己的表情、感觉和动作，并直接通过输入法（fǎ）搜索，语（yǔ）音输入和键盘（pán）输入时展示出来。且受益于AR表情功能识（shí）别速度（dù）快，表情文（wén）件（jiàn）小等特（tè）点，用户可在（zài）聊天中轻松使用（yòng），刻画出自（zì）己在虚拟世界中（zhōng）的（de）独（dú）特形象。

百度AR趣（qù）味（wèi）表（biǎo）情

AR表情（qíng）功能的上线也意味着（zhe），百度（dù）输入（rù）法是首（shǒu）家同时支持2D、3D表情（qíng）以（yǐ）及通过人脸控制虚拟形象制作（zuò）表情。而我相（xiàng）信（xìn），在可预见的（de）未来（lái），AI和AR等新（xīn）技术对（duì）输入（rù）法产品的作用会越来越大，将会有更（gèng）多新技术被添置到输入法中。在百（bǎi）度的带领下，作为新技术“桥头堡”的输入法，有（yǒu）可能进入（rù）一个更灵动（dòng）的全感（gǎn）官（guān）输入（rù）时代（dài）。

未来（lái）由现在（zài）筑造。不难（nán）发（fā）现，依托百度强大的AI基础，无论是在“准”这个基（jī）本面上的不（bú）断深（shēn）耕，输入功能的不断完善，还是可玩性和愉悦感（gǎn）的不（bú）断提（tí）升，都是百度在输入（rù）领域全方（fāng）位了解用（yòng）户（hù）需求，不断（duàn）打（dǎ）磨用户体（tǐ）验的体现。这种对（duì）用户体验的（de）打磨，也（yě）让昔（xī）日功能单一的手机输入法，具备了“语音助手”，“效（xiào）率（lǜ）工具”和（hé）“聊天伴侣”等多重身份，并（bìng）在不（bú）同（tóng）用（yòng）户（hù）手（shǒu）上，得到不（bú）同（tóng）程度的释放。

正如百度高级副总裁、AI技术平台体（tǐ）系（AIG）总负责（zé）人王海峰所言：“AI的发展最终还是（shì）要回到‘服（fú）务用户需求’的本质（zhì），这（zhè）是我们每一位人工智（zhì）能从业者（zhě）都需（xū）要铭记在心的。利用好（hǎo）人工智能来服务好我们的用户和客（kè）户，以及更（gèng）好地打磨AI能力来推动（dòng）各行各（gè）业的效率提升，是每一位人（rén）工（gōng）智能领域从业者的期望。”

作为（wéi）你我最重要（yào）的工（gōng）具（jù）伴侣，手机输入法本身正在变得“复（fù）杂”，却让生活和工作变得更为简单。在我看来，这才是技术的本分。