刘旷|人工智能时代来袭，输入法如何决胜下一个10年

本文插图
近日，讯飞输入法新版本正式上线，在随声译和快捷翻译功能里增加了日译中、韩译中、泰、越、西、法、德、俄与中文互译，合计18种翻译，这也使得讯飞输入法成为中文与外语互译最多的输入法产品。
不得不说，语音输入已经越来越受欢迎。艾媒《2019-2020中国第三方手机输入法市场监测报告》显示， 29%的受访者表示2019年使用语音输入的频率明显增加，是增长最快的输入方式。
面对输入方式的变迁，讯飞输入法、百度输入法、搜狗输入法三大输入法，也一直在围绕AI技术不断加码语音输入服务，使其不断实现准确率的突破，比如讯飞输入法的语音识别准确率已经高达98% 。
输入法越来越智能的背后，各家的AI技术加持至为关键。而面对每天数亿次甚至数十亿次的使用需求，今天的输入法产品已经嵌满了令人意想不到的五彩黑科技。
输入法的重担
输入法越来越智能的代价，就是要背负越来越重的使命。追溯市面上几款主流输入法产品的发展历史，可以发现这些产品已经不年轻，至少都有十年或以上的产品迭代时间。以此推算，输入法产品与移动互联网的发展同步，可以说是跟着移动互联网一路走来的。
最早的输入法，不论是设备自带输入法，还是第三方输入法，功能普遍比较简单，比如只支持9键和26键键盘输入、手写输入等非智能机时代沿袭的输入方式，主要是为了满足最普遍的用户需求。
但移动社交、移动趋势的明晰，以及智能手机的普及，彻底改变了输入法产品们的发展路径。个人用户在多元场景下不断衍生出更多的输入需求，开始特别注意到输入体验的进步，希望更快和更好，比如能否根据拼音首字母快速预测想打的字。特别是在移动社交场景下，个人用户使用输入法的频率越来越高，用户对输入法体验的感知非常明显，输入法好不好用，效率高不高，用户其实心知肚明。
这让输入法的担子越来越重，原本定位于轻服务工具的输入法，不得不开始思考如何满足不同用户不同场景下的个性化需求。于是，为巨大体量的用户大规模同步提供优质的输入服务，成为输入法产品们发展的核心目标。
愈发全能的输入法
场景和需求之变，不断倒逼着输入法产品的进化，结果就是，输入法变得越来越全能，越来越精致，越来越个性。以目前的三大输入法产品为例，十年前的它们与十年后的它们，已经“判若两人” 。
一方面，不断的功能增加使得产品能够适应许多输入场景。除了传统的手写和键盘输入外，三大输入法还加入了OCR扫描、智能预测/纠错等功能。其中， OCR扫描指的是用户可以通过扫描将图片或手写稿转换成文字，而智能预测功能则可以提前根据输入拼音预测用户想打的字，智能纠错则可以根据词库、语境快速纠正用户的错误。
各种功能的丰富，使得输入法可以服务于用户的全输入过程，在输入前、中、后每个环节提供对应的服务。
另一方面，产品能力的极限突破为用户带来了全面的体验。以从语音起家的讯飞输入法为例，目前讯飞输入法已经做到了一分钟400字的输入速度，以及语音识别准确率达98%的水平，也就是说整段输入的出错率非常小，为用户带来的是极速和流畅的综合输入体验。
可以说，这些功能所达到的极限颠覆了以往低效低质的输入体验，从感官上弥补了用户对输入法的体验缺乏。
黑科技成就输入法
【刘旷|人工智能时代来袭，输入法如何决胜下一个10年】无论是功能上的全能，还是体验上的全能，输入法产品能够实现质变，甚至能够适应一些极限和极端的输入场景，除了产品本身的创新外，不断的技术迭代是最核心的原因。用户之所以能够只花一半的时间完成整个输入过程，都依赖于输入法们背后的黑科技。分页标题
讯飞输入法可以说是“科技成就输入法”的最佳代言人。一方面，其背靠有20多年智能语音技术沉淀的科大讯飞，已有20万小时训练数据积累；另一方面，科大讯飞有太多的国际赛事顶尖荣誉，比如在2018年由国际计算语言学协会（ACL）下属组织主办的第十二届国际语义评测比赛（SemEval2018）中，科大讯飞斩获了基于常识的机器阅读理解全球第一；2018年的国际权威英文语音识别大赛“CHiME-6”中，科大讯飞包揽了两项第一名；2019年在ICDAR2019举办的场景文本视觉问答挑战赛ST-VQA中，科大讯飞包揽了三项冠军；2020年初在德国The 20BN-Jester Dataset手势识别评测中，科大讯飞以97.26%的准确率斩获冠军，且刷新了世界纪录……讯飞输入法背后的黑科技可以从四方面来看。
一、语音输入
语音输入讲究快速和准确，讯飞输入法之所以能达到一分钟400字、识别准确率98%的水平，主要在于其自研的“记忆增强的多通道全端到端语音识别框架” ，这项技术简单来说就是能够完全将前端语音处理过程深度学习化，并使用深度卷积神经网络和后端识别模型进行混合训练，从而大大提高了语音识别的效率。
至于能够使用23种方言进行精准语音输入，一方面要靠通过多方言共享方式训练的Multi-lingual多语言建模技术，另一方面要靠GlobalPhone全球音素集，这项技术从声学层面的相似性来统一各方言的音素定义，使方言“语图谱”模型进一步精进，从而使得方言识别效果有效提升。多语种互译功能则对技术提出了更大的挑战性，以中英互译为例，讯飞输入法基于对抗样本训练方法提出了融合副语言特征的“高鲁棒性语音翻译技术” ，并在模型中结合特定技术，有效提高了最终翻译结果。
二、拼音输入
在拼音输入上，讯飞输入法创新性引入了Encoder-Decoder框架，构建了新一代拼音识别引擎，极大简化了传统拼音识别模型，同时在Attention机制和长短期记忆网络的门控机制，以及Transformer等模块的共同作用下，长句输入识别效果有效提升，能够提前预测用户想输入的内容，还能有效实现智能纠错。
此外，这一模型由于采用的是序列建模，建模不再依赖词典，更易实现中英文混合建模，因而让讯飞输入法在中英混输上实现了非常出色混输表现。值得注意的是，不论是智能预测，还是智能纠错，背后都有可实时更新的百万词库。
三、手写输入
同样是手写，体验却完全不一样，这是因为讯飞输入法的手写识别可支持两万多类中文字符、52类英文字符、10类阿拉伯数字以及100多种特殊符号，这种超级识别能力的背后，是讯飞输入法的“HWR手写识别技术” ，这项技术采用的是CNN卷积神经网络技术，可支持实时手写轨迹，边写边出字，而且单个字符识别仅需15ms ，响应迅速无延迟。
四、扫描输入
扫描输入的技术支撑是计算机视觉，面对复杂的手写文字、中英混合文字， “OCR文字检测技术”可检测任意方向和形状的文字， “OCR文字识别技术”则可以有效缓解因环境问题造成的识别效果低下问题。
综上，基于AI和大数据的组合技术，如今的输入法不再死板坚硬，即使面对输入场景的复杂需求，也能够在不同语种、不同语境、不同语调下满足不同用户的需求。过去的输入法只能辅助，而现在，科技加持下的输入法，更像是一个“一站式”的输入管家。
输入法的智能普惠
黑科技成就了输入法，也成就了输入法的地位。根据相关报告提供的数据，以三大输入法为代表的第三方输入法，已经覆盖了超过90%的***民。
要是放大到整个输入法行业，可以说人人都是输入法的受益者，移动设备也好，个人电脑也好，日常交流必然离不开输入法的帮助。可以说，输入法已经成为一个互联网沟通的基础设施。而且值得庆幸的是，讯飞输入法等头部产品在技术上的进化，让这个基础设施不断产生质变，越来越智能。分页标题
应该说，像讯飞输入法这样始终痴迷于“科技驱动”的输入法产品，是输入法作为工具产品在价值上得到跃进式提升的关键，因为它们用技术无限拔高了输入法产品的价值上限。换言之，讯飞输入法们的“科技大法”一定程度上改善了整个互联网世界的沟通协作效率。
技术无上限，输入法产品也无上限。对9.04亿中国互联网网民而言，黑科技持续加持下的输入法工具，会继续为每个用户提供独一无二的使用体验，真正实现全方位的智能普惠。
文/刘旷公众号， ID：liukuang110