據(jù)說，看了錘子手機發(fā)布會的人，印象最深的就是老羅演示訊飛語音輸入那一段（從視頻的第100分鐘開始）。很多人表示自己受到了深深的震撼。但“震撼”之余，我們也應該冷靜下來，清醒地認識到語音輸入的春天，在科技史上已經(jīng)來過 N 次了。究竟是什么，讓2016年的語音輸入變得不一樣，讓訊飛的語音輸入變得不一樣？

為了解答這個問題，雷鋒網(wǎng)請來了訊飛輸入法產(chǎn)品總監(jiān)，或者用時髦的說法“訊飛輸入法之父”，為大家解解饞。 雷鋒網(wǎng)雷鋒網(wǎng)雷鋒網(wǎng)

嘉賓簡介

翟吉博，訊飛輸入法產(chǎn)品總監(jiān)。2009年以碼農(nóng)的身份加入科大訊飛，2010年創(chuàng)建訊飛輸入法并擔任產(chǎn)品總監(jiān)至今，參與了訊飛輸入法從0發(fā)展到4億用戶的全過程，曾經(jīng)3天時間就寫出了訊飛輸入法的Demo，目前訊飛輸入法月活躍用戶超過1億。

背景介紹：

湖北黃岡人，畢業(yè)于上海交大

2009年，以碼農(nóng)身份入職科大訊飛

2010年創(chuàng)建訊飛輸入法，并擔任產(chǎn)品經(jīng)理至今

也許是最會寫代碼的產(chǎn)品經(jīng)理

問答精華回顧：

Q1

雷鋒網(wǎng)：很多大公司的重要產(chǎn)品，起初可能只是幾個員工的小嘗試，比如 Google 的很多產(chǎn)品是這么誕生的。那么對于訊飛來說，做輸入法的契機是什么，這個產(chǎn)品是怎么誕生的？

訊飛翟吉博：關(guān)于訊飛輸入法的誕生，這里給大家講一段故事。2010年的時候，當時我在訊飛研究院，我記得iPhone4發(fā)布的當天晚上，我跟我上級，就iPhone4做了一個討論，我們認為，iPhone上基于觸屏的全鍵盤輸入體驗，不太好。原因在于屏幕太小，而手指又像，一根蘿卜那么粗。經(jīng)過腦暴，我們考慮到，把訊飛的語音技術(shù)結(jié)合到輸入上來。完了我就自己動手開始做，很快就出了一個demo，因為我原來是做過手寫識別，還有拼音的這個技術(shù)，所以這個demo也包含了，語音手寫還有拼音的功能。

這個demo拿出來給他老大看，他覺得，不能僅僅是做個demo，后面我們就對市場進行，研究和分析，寫了一個立項書，而且在公司層面也獲得了通過，其實我們組建幾人的小團隊在杭州封閉開發(fā)了三四個月，然后在10月28號，我們對外發(fā)布了第一個版本。

Q2

雷鋒網(wǎng)：外界看來，訊飛是一家toB業(yè)務為主的公司，做 toC 的產(chǎn)品，最需要突破的地方是什么？

訊飛翟吉博：我認為最需要突破的地方，還是在思維方式以及配套的團隊體系方面。從面向行業(yè)客戶到直接面向消費者的，需要更多的去考慮用戶的需求。然后整個團隊的開發(fā)運營推廣的流程和體系需要重新構(gòu)建。

在2011年的時候，訊飛，面向消費者成立了一個移動互聯(lián)事業(yè)部?，F(xiàn)在，訊飛輸入法就在這個部門下面。我們部門其他的產(chǎn)品還有，靈犀語音助手（前身叫訊飛語點）、在幾年前iPhone上推出的一款叫訊飛口訊的，也風靡一時當時曾經(jīng)，在app store的排行首位。訊飛輸入法的團隊，在這幾年也有一個很大的發(fā)展從最早，只有幾個人的，小的開發(fā)團隊，現(xiàn)在發(fā)展到包含了從前到后，完整的職能，一共接近二百人。

Q3

雷鋒網(wǎng)：訊飛輸入法早期的用戶群和使用場景有什么特點？

訊飛翟吉博：我們早期的種子用戶，有個典型特征都是偏極客的，他們對語音技術(shù)關(guān)注度比較高，有不少用戶提到他們原來在電腦上，就體驗使用過IBM的語音技術(shù)。然后他們，會全天候的，不停的來測試我們的系統(tǒng)，并且提出各種各樣的設(shè)想和改進意見。

Q4

雷鋒網(wǎng)：講真，這次訊飛的語音輸入法被老羅猛推了一把，你和你的小伙伴們是一種怎樣的感受？

訊飛翟吉博：其實我們事先真沒想到，老羅是以這樣的一種演示方式，足足給了我們這么長的時間，從現(xiàn)場，觀眾的熱烈響應，還有網(wǎng)絡上的，熱烈反響，給了我們團隊充分的信心。

至于數(shù)據(jù)嘛，這個請大家看一下，app store的排行榜，短短幾天，我們現(xiàn)在已經(jīng)在（免費）總榜上沖到了第三，在工具（免費）榜上已經(jīng)，排在了第一。在華為，小米等應用商店下面，也看到很多用戶的評論，都是和老羅的發(fā)布會有關(guān)。

Q5

雷鋒網(wǎng)：一些懂行的人告訴我們，其實老羅在臺上演示的兩段內(nèi)容輸入，還是非常有局限性的，說的幾乎都是常用語，換言之就是機器最容易識別的東西。里邊沒有任何專有詞匯，中英混雜，同音字等等等等。你們怎么看？

訊飛翟吉博：其實老羅現(xiàn)場也提到了在那樣的一個環(huán)境下做語音輸入的演示，本來就是一件很有挑戰(zhàn)的事情，因為環(huán)境的噪聲還有回聲的干擾，對于技術(shù)來說，是比較困難的一個問題。另外大家可以關(guān)注到老羅的一個非常即興的方式，它的語料是很開放的，而且語速也很快。這種方式相比封閉的，比如說繞口令的，這種語料，難度其實大很多。

當然對于專有詞匯還有中英文混合這些，也會加大識別的難度。我理解老羅，也是想保證現(xiàn)場的效果，所以，在即興的語料上，沒有加大這方面的難度。

Q6

雷鋒網(wǎng)：所以，語音輸入的春天真的又來了嗎？我們報道科技很多年，其實每隔幾年人們就會提語音輸入的突破，但到頭來會發(fā)現(xiàn)，路還很長，需要技術(shù)的突破也需要整個大環(huán)境的變化。你們在語音輸入的一線，講講你們的感覺吧？

訊飛翟吉博：那根據(jù)我們現(xiàn)在的理解，目前的語音技術(shù)的應用，可能還是主要分為這幾個場景：

• 第一個是在即時通訊應用里邊。作為比較實用的就是把語音轉(zhuǎn)成文字；

• 第二個是語音搜索，他和前者的區(qū)別，更多的是一些關(guān)鍵詞的匹配；

• 第三個就是在類似siri這樣的語音助手中，做上下文的對話以及理解。

那其實我們輸入法在第一種應用，當中可以看到，整個的語音用戶占比的發(fā)展趨勢，從最早的每天幾個百分點，到現(xiàn)在接近20%，有些語音用戶已經(jīng)養(yǎng)成非常穩(wěn)定的使用習慣，而且這個趨勢仍然在增長中。我認為這個比例現(xiàn)在還沒有到達，應有的用戶覆蓋。不過另一方面，我們認為基于手機這種觸屏為主的設(shè)備，語音不會是完全主流的，那在下一個萬物互聯(lián)和vr設(shè)備流行的時代，我相信語音技術(shù)的春天會，真正到來。

Q7

雷鋒網(wǎng)：語音輸入的技術(shù)突破有多大？給詳細講講。

訊飛翟吉博：從這幾年發(fā)展來回顧，語音輸入技術(shù)可以分為幾個階段：

第一個階段。在我們，10年剛推出的時候，整個的識別率是初步的達到了使用門檻，字正確率只有70%多還不到80%；

第二個階段。那隨著用戶越來越多積累了大量的數(shù)據(jù)，通過大數(shù)據(jù)的訓練來驅(qū)動，使得整個的識別效果穩(wěn)步的提升，能夠到達90%出頭。

第三個階段。2012、13年的時候，那我們，使用了深度學習算法之后，再結(jié)合大數(shù)據(jù)的訓練，使得正確率又有了，更大的突破。

其實，老羅發(fā)布會上宣傳了97%這個數(shù)字，我們達到這個數(shù)字其實已經(jīng)有一兩年時間了。

Q8

雷鋒網(wǎng)：訊飛的語音輸入強在哪兒？

訊飛翟吉博：首先要說，深度學習算法出來并相繼普及之后，對于安靜的環(huán)境下，日常的句子，大家的語音技術(shù)基本都達到了實用的水平。訊飛相對深入的地方表現(xiàn)在，三個方面：

第一，對于口音的適配。我們知道，在中國說普通話的口音是非常廣泛的，那對于不同的口音語音識別的效果，影響很大，訊飛對于各地的口音都有很好的適用，而且對于一些典型的純正的方言也能夠識別；

第二，對于抗環(huán)境的干擾方面。比如說在開車的時候，如果開著窗戶，那個噪聲是非常大的，訊飛是目前通過國際大車廠測試唯一達到實用水平的，技術(shù)提供商；

第三，對于網(wǎng)絡的依賴方面。我們能夠提供在線和離線無縫結(jié)合的方案，而且在離線的識別上面，也達到了很高的識別效果。

Q9

雷鋒網(wǎng)：講一個你和你的小伙伴得意的，關(guān)于產(chǎn)品細節(jié)的思考吧？

訊飛翟吉博：還是說一下剛才提到的關(guān)于在線離線無縫結(jié)合的方案吧，那其實我們剛開始推出離線語音的時候就考慮到，在線語音的優(yōu)勢是足夠精準，離線語音的優(yōu)勢是比較可靠，我們能不能在用戶網(wǎng)絡不太穩(wěn)定的時候，能智能地做一個識別和判斷，把兩者的優(yōu)勢有一個很好的結(jié)合，所以我們現(xiàn)在在產(chǎn)品上，會實現(xiàn)一個從在線到離線智能切換的策略，這也算是一個比較貼心的細節(jié)。

Q10

雷鋒網(wǎng)：iPhone 平臺和 Android 平臺，在產(chǎn)品設(shè)計上，有怎樣不同的考慮？另外，那個牌子的手機更能發(fā)揮訊飛的語音能力？

訊飛翟吉博：首先考慮的是在視覺和交互的規(guī)范上，我們會遵循iPhone和安卓系統(tǒng)特定的規(guī)范，比如說在iPhone系統(tǒng)上保留的地球鍵，又比如說視覺的風格，這些我們不會，強制去做，兩個平臺的完全統(tǒng)一，其次也要考慮系統(tǒng)的能力和特性上的區(qū)別，比如說iPhone系統(tǒng)對于輸入法鍵盤的錄音權(quán)限做了限制，所以我們現(xiàn)在迫不得已也只能采用，跳轉(zhuǎn)的方式來實現(xiàn)語音輸入，當然iPhone也有它的優(yōu)勢，比如我們可以利用3d touch，來實現(xiàn)利用輸入法鍵盤做很方便的光標移動，這個功能在需要定位修改文字的時候比較方便。

語音輸入對于不同手機來說，更多的是看錄音質(zhì)量的區(qū)別，現(xiàn)在很難籠統(tǒng)地說哪個牌子的手機效果好基本上，采用了雙mic或者是多麥克，然后降噪效果做的不錯的手機，對語音輸入效果都有很大的幫助。

Q11

雷鋒網(wǎng)：語音輸入若想起到更大的作用，被更廣泛地使用，你覺得還應該在哪些方面有所突破？

訊飛翟吉博：首先，在市場教育和用戶習慣培養(yǎng)方面，我覺得羅老師給了我們很好的啟發(fā)，比如說從大家比較熟悉的，用微信發(fā)語音的場景，讓大眾明白通過語音輸入文字和直接發(fā)語音的區(qū)別。

另外，在產(chǎn)品和技術(shù)本身，我們覺得在個性化方面有很大的發(fā)展空間，因為現(xiàn)在每個人或多或少都有獨特的發(fā)音習慣和用詞習慣，未來的語音輸入可以為每個人量身打造越用越好，我們現(xiàn)在已經(jīng)在輸入法里，通過個人賬號實現(xiàn)了，通訊錄人名和定制詞庫的個性化識別，將來還將實現(xiàn)，更深入的個性化功能。

Q12

雷鋒網(wǎng)：最后分享一下你的語音輸入使用習慣吧？

訊飛翟吉博：我個人使用語音的過程，也大概經(jīng)歷了幾個階段，可能也代表了不少用戶的路徑。

第一個階段。主要還是在克服自己的心理障礙，一開始總是覺得用語音對著手機說話，感覺有點傻，只敢一個人的時候用。

第二個階段。那后面在大街上也經(jīng)?？吹接腥擞脤χ⑿虐l(fā)語音，好像大家也習以為然了，所以心里的障礙慢慢的有所克服，這個階段更多的是對語音識別效果的調(diào)校，自己想想怎么樣能說得更準，而且怎么樣能有一些方面的修改。

第三個階段。也就是現(xiàn)在的階段，可以說已經(jīng)達到一個老司機的水平了，可以相對比較得心應手的使用，特別是在移動的狀態(tài)下，基本上就靠用語音了。

---

【唯物】開通讀者交流群啦！如果你對相關(guān)話題感興趣，歡迎入群切磋。入群方式：添加微信LF-gkk，備注個人信息附上【唯物】，審核通過之后我們會拉您入群。唯物公眾號 okweiwu。

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。