人工智能让（ràng）手机语（yǔ）音输入法快速（sù）增长

大家都知道，在每（měi）个人每天高（gāo）频使用的手机应用清单中，有一个低调而重要的存在：手机输入法。赛诺不久前发布的（de）《2018上（shàng）半年中（zhōng）国手机输入法分（fèn）析报告（gào）》显示：2018年（nián）手机输入法市场规模将突破9．8亿，环比增长（zhǎng）22．5％，其（qí）中活跃用户占比（bǐ）超过（guò）54％，用户（hù）规模和数（shù）量都（dōu）保持持续增长。

这并不难理解（jiě），输入法是目前人机交互最重要的入口之（zhī）一。而经（jīng）过二十余年发展，手机输（shū）入法（fǎ）在“文字键入”这（zhè）条单一（yī）路（lù）径上，已几乎抵（dǐ）达（dá）技术（shù）演化的尽头——颇为欣喜的（de）是，如今，在智能语音等（děng）AI技术的加持下，手（shǒu）机输（shū）入（rù）法这（zhè）个最接地气（qì）的入口，正在摆（bǎi）脱文（wén）字键入的单一（yī）束缚，开拓新的发展路径，甚至在一定程度（dù）上担当（dāng）着新（xīn）技术（shù）“桥头堡”的使（shǐ）命。

譬如百度8月1日公（gōng）布的2018年第二季度未经（jīng）审计的财（cái）务报告显示（shì），百度营收260亿元（yuán）人民币（约合（hé）39．3亿（yì）美元（yuán）），同（tóng）比增长（zhǎng）32％，净利润64亿元（约（yuē）合9．67亿美元），同比增长45％。其中（zhōng）AI对百（bǎi）度业务的驱动力显著，除了DuerOS和（hé）Apollo，百度AI也为百（bǎi）度APP、信息流、手机输（shū）入法等移动端业务带来了高效增长，李彦宏（hóng）表示，百度输入法语音输入请求量短（duǎn）短一年时间内成长到日均3．35亿次。相比于（yú）去（qù）年3月百（bǎi）度AI技术平台体系（AIG）成立时（shí），日均语音请求量（liàng）增长5倍。在（zài）我看来，这种迅猛上扬，一方面受益于百度语音识别自身体验的日趋完善；另一（yī）方面则受益于语音输入已渡过市（shì）场教育阶段，正在处于大规模爆（bào）发的风口。

而通过百度输入法的不断迭代（dài）可以发现，作为（wéi）一（yī）款具备（bèi）入口（kǒu）意义（yì）的应用，手机输（shū）入法早已不再是一个简单的“插件”，而是AI时代一（yī）款需要不断（duàn）打磨用户体验（yàn）的（de）服务型（xíng）产品。

效率至上

如你所知，在最新一版（bǎn）百度输入法中，除了支持拼音、笔画、五（wǔ）笔（bǐ）、手写和智（zhì）能英文等基础（chǔ）功能，最关键（jiàn）的技术跃（yuè）迁，是智能语（yǔ）音输入和AR表（biǎo）情两大全新功能的上线，这极（jí）大丰富（fù）了用（yòng）户的输入体验。

先说语音（yīn）。

从诺（nuò）基（jī）亚到iphoness，从功能机到智能机，整个（gè）移动时代，就是一部人机（jī）交互难度不断下（xià）降（jiàng），交互方式不断丰富的历史。而诚（chéng）如（rú）“互（hù）联网（wǎng）女皇（huáng）”米克尔所言：在最近（jìn）数十年（nián），人机（jī）交互（hù）每隔十（shí）年（nián）就会发生一（yī）次重（chóng）大创（chuàng）新，语音（yīn）则是当下最高效的（de）输入方式。

在（zài）如今所有语音场景之中，大多数（shù）人最先接（jiē）触（chù）到的，就是手机（jī）输入法的语音输入功能。相（xiàng）较于手写和拼（pīn）音等传统方（fāng）式，语音输（shū）入效（xiào）率更高，交互（hù）方式（shì）更自然，无论是（shì）主动的技术尝鲜（xiān）者（zhě），还是（shì）快节奏生活（huó）下的（de）被（bèi）动选择（zé），这种巨（jù）大的便捷性，都让（ràng）输（shū）入（rù）法从文字向语音的大规模（mó）迁徙（至少（shǎo）在不方便打字的情（qíng）景下），成为不可逆（nì）的演化趋势。

数据也证明这一（yī）点：《2018上半年中国手机输入法（fǎ）分析（xī）报（bào）告》就显示（shì），在输（shū）入方式选择上，语音输入占比已提升至41％，用户（hù）习惯日趋养成；此外，更像是（shì）某种交叉印证，最近搜狗发布的第二季度财报显示，其日均语音请（qǐng）求量也（yě）超（chāo）3亿（yì）次（颇值得玩味的是，作为一家“非（fēi）专（zhuān）门（mén）”做输入法的（de）公司（sī），百度输入法官方（fāng）公（gōng）布的日均语（yǔ）音请求量是（shì）超过3．35亿次，和搜狗不相上下）。

总之，一切都指向一点：语音（yīn）正（zhèng）在成为（wéi）更（gèng）多人输入方式（shì）的必选项，且他们一旦开（kāi）始用上语音，产生的黏性往往非常高，属（shǔ）于典型的“一旦用（yòng）上就离（lí）不开（kāi）”系列。

不过，语音（yīn）输入（rù）的顺（shùn）畅（chàng），必须拜（bài）深厚（hòu）的技术功（gōng）底所赐（cì），倘若准确（què）率不堪重用（yòng），反而会造成效率下（xià）降（jiàng）——所（suǒ）以说，“准”是语音输入（rù）最（zuì）基本的素养。

令（lìng）人欣喜的（de）是，依托“百（bǎi）度大脑”的进化，作为百度（dù）AI技（jì）术率先（xiān）落地的产品之一，百度输（shū）入（rù）法凝聚了（le）百度（dù）深耕多（duō）年的语音、图像、NLP和知识图谱等AI能力（lì）——尤其是AI语音技术，业内皆知，目前（qián）识别（bié）率（lǜ）高达（dá）97％的（de）百度语（yǔ）音曾入选MIT“全球十大突破技术”，并且在（zài）手机（jī）百度和百度（dù）地图等产品中（zhōng）早已广泛（fàn）应用（yòng），而随着（zhe）DuerOS朋友圈的持续扩张，也会（huì）不断“反哺”百（bǎi）度的语音（yīn）技术，这种得天独厚的技术和（hé）生（shēng）态优势，是其他公司不具备的，也势必会夯（bèn）实百（bǎi）度输入法语音（yīn）请（qǐng）求量的领先（xiān）地位。

当然，在提高（gāo）识别准确率方面，百度（dù）输入（rù）法并未停止进化脚步，最（zuì）近（jìn）一次重大突破，就（jiù）是（shì）其搭载了（le）百度第二代深度（dù）尖峰技术（Deep Peak2）。“DeepPeak2模型（xíng）”的全称是（shì）基于LSTM和CTC的上下文无关音（yīn）素组合建（jiàn）模（mó），它最大（dà）的技术蜕变，就（jiù）是将（jiāng）高频出现的音（yīn）素（sù）联（lián）合在（zài）一起，形成一（yī）个音素组合体，然后（hòu）将这（zhè）个音素组（zǔ）合体视作一个基（jī）本建模单元。

这意味着，与在过（guò）往数十（shí）年业界常用（yòng）的上（shàng）下文相关建（jiàn）模方式相比，DeepPeak2能最大程度发挥神经网（wǎng）络（luò）模型的参（cān）数优（yōu）势，大幅（fú）提升中英（yīng）文，多种口音和（hé）多种风格（gé）（譬如朗读，聊天，轻（qīng）声（shēng））混合输入的稳定性和准（zhǔn）确度，目前其相对正确率较行（háng）业领先水平提升20％。另外，难能可贵的一点是，不同于一些输入法遇上“中（zhōng）英混输”后瞬间变成“车祸现场（chǎng）”，DeepPeak2同时支持中英文混合建（jiàn）模（mó），让百度输入法具备了非常强大的（de）中英文（wén）混合识别（bié）能力（lì）。

事实（shí）上，此次百度输入法（fǎ）的技术突破，并（bìng）不令人意外。百（bǎi）度是中国最早通过（guò）深度（dù）学习技术在语音（yīn）识别（bié）领域取得（dé）突破的公司之一，早在（zài）2012年就率先（xiān）上线了（le）基于DNN的（de）语（yǔ）音识别（bié）模型。过去（qù）6年，百度语音一直没有停止进（jìn）化，几乎（hū）每年（nián）都会上线新的语音识（shí）别技术——如今（jīn）DeepPeak2的上（shàng）线，亦是语音科技（jì）史（shǐ）上的一次巨大跃迁，要（yào）知道（dào），之前国际上也（yě）曾有（yǒu）过（guò）类似（sì）建模方（fāng）式，但却没法（fǎ）避免建模时出现的过拟合（hé）问（wèn）题，而百度（dù）通过声学模（mó）型学（xué）习和语（yǔ）言信息学习相分（fèn）离（lí）的特殊训练（liàn）方（fāng）法，将（jiāng）建模（mó）单元数目减少了10倍，从本质上解决过（guò）渡拟合的问题，极大提升了识别准确（què）率，殊为不易（yì）。

而除了准确率（lǜ）上的（de）不断精益，百度输入（rù）法在语音输入功能（néng）上，也不（bú）断产生（shēng）惊喜。譬如，百度（dù）输（shū）入法具备轻声识别能力，无论会（huì）场还是课（kè）堂，都能降低（dī）语（yǔ）音输（shū）入（rù）的尴尬；它（tā）还具（jù）备语音（yīn）速记（jì）功能，在这一功能的“多人（rén）模式”场景下，声纹识（shí）别技术可以自动区分发言人，大幅降低工作者（zhě）后期处理的成本（běn）；除此之外，百度输入法（fǎ）支持中文普通话，中文（wén）粤语，英语和日语等多语（yǔ）种识（shí）别（bié）；且能让用户通过语音完成语（yǔ）音拨号（hào）和语音搜索等功能（néng），后（hòu）者尤为重要，企业（yè）基因所致，百（bǎi）度输入法（fǎ）拥有很强的搜索元素（sù），你知道（dào），聊天时（shí）突然出现（xiàn）搜索需（xū）求（qiú），是（shì）很常见的交叉应用场（chǎng）景，通过（guò）百度输入法自带（dài）的搜索（suǒ）功能，可免去切换应用带来的时间折损（sǔn）。

总之不（bú）难（nán）发现，在效率维度（dù），百度正不断推（tuī）陈出新（xīn），让输入法（fǎ）成为人们日常最值得仰仗的工具，通过（guò）不（bú）断夯实用户的语（yǔ）音输入习惯（guàn），延续着移动时代人机交互难度不断下降，交互方式（shì）不断丰富的历史脉络。

打磨用户体验

如果说（shuō）“效率（lǜ）至上”是一款（kuǎn）输入法的基本（běn）素养，那（nà）么“可玩性”——或者说愉悦感，则能进（jìn）一步丰富用户体验的维度。而（ér）考虑到社交是（shì）手机输入法应用最（zuì）多的（de）场景（数据显示（shì），社交（jiāo）类APP中（zhōng）输入（rù）法占比高达（dá）74％），百度输入法也一直在提升用户（hù）在社（shè）交场景下的愉悦感。

举个例子，百度输入法中（zhōng）有（yǒu）70％是90后，其中60％的人（rén）经常玩“斗图”。针对于此，百度手机输入法开发（fā）了（le）AR表情功能，基于百度（dù）多模态人脸识别系统（tǒng）（支持104点（diǎn）基础模型加眼睛、嘴部、眉毛（máo）单例（lì）模型；全脸识别（bié）278点），能准（zhǔn）确（què）识别面部轮廓和表情，用户可制作（zuò）出只属于自己的表情、感觉和（hé）动作，并（bìng）直（zhí）接（jiē）通过输入法搜索，语（yǔ）音输入和键（jiàn）盘（pán）输入时展示（shì）出来。且受益于AR表（biǎo）情功能识别速度快，表情文件小等特（tè）点，用户可在聊天中轻松使用，刻画出自（zì）己在虚拟世界中的独特形象。

百度AR趣味表情

AR表情功能的上线也意味着（zhe），百度输入（rù）法是首家同时支持2D、3D表情（qíng）以及通过人脸控制虚拟（nǐ）形象（xiàng）制作表情。而我相信，在可预（yù）见（jiàn）的未来（lái），AI和AR等新技术对输入法产品的（de）作用（yòng）会（huì）越来越大，将会有更（gèng）多新技（jì）术被添置（zhì）到输入法中（zhōng）。在百度（dù）的（de）带领下，作为新技术“桥头（tóu）堡”的输入（rù）法，有可能进入一个更灵动的全感（gǎn）官输入时代。

未来由（yóu）现在筑造（zào）。不难发现，依托百度强大的（de）AI基础（chǔ），无论是在“准”这个基本面（miàn）上（shàng）的不断（duàn）深耕，输（shū）入功能的不（bú）断完善，还是可（kě）玩性和愉悦感的不断提升，都是百度在输入领域全方位了解用户需求，不断打磨用（yòng）户体验（yàn）的体现。这种对用户体验的打磨（mó），也让昔（xī）日功能单一的手机输入法，具备了“语（yǔ）音助（zhù）手”，“效率工具”和“聊天伴侣”等多重身份（fèn），并在不（bú）同（tóng）用户手上，得到不同程度的释放。

正如百度高级副总裁、AI技术（shù）平（píng）台体系（AIG）总（zǒng）负责人（rén）王海峰所言：“AI的发展最终还是要（yào）回到‘服务用（yòng）户需求’的（de）本（běn）质，这（zhè）是我们（men）每一位（wèi）人工（gōng）智能从业者都需要铭记在心的。利用好（hǎo）人工智能来服务（wù）好我（wǒ）们的用户和客户，以及更好地打磨（mó）AI能（néng）力（lì）来推动各行（háng）各业的效率提（tí）升，是每（měi）一位人工（gōng）智（zhì）能（néng）领域从业者的期望。”

作为你我最重要的工具（jù）伴侣，手机输入法本身（shēn）正在变得“复杂（zá）”，却（què）让生活和工作变（biàn）得（dé）更为简（jiǎn）单。在我看来，这（zhè）才是技术的本（běn）分。