據(jù)說(shuō)，看了錘子手機(jī)發(fā)布會(huì)的人，印象最深的就是老羅演示訊飛語(yǔ)音輸入那一段（從視頻的第100分鐘開(kāi)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(yīng)該冷靜下來(lái)，清醒地認(rèn)識(shí)到語(yǔ)音輸入的春天，在科技史上已經(jīng)來(lái)過(guò) N 次了。究竟是什么，讓2016年的語(yǔ)音輸入變得不一樣，讓訊飛的語(yǔ)音輸入變得不一樣？

為了解答這個(gè)問(wèn)題，雷鋒網(wǎng)請(qǐng)來(lái)了訊飛輸入法產(chǎn)品總監(jiān)，或者用時(shí)髦的說(shuō)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(jiǎn)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(dān)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(guò)程，曾經(jīng)3天時(shí)間就寫(xiě)出了訊飛輸入法的Demo，目前訊飛輸入法月活躍用戶超過(guò)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(dān)任產(chǎn)品經(jīng)理至今

也許是最會(huì)寫(xiě)代碼的產(chǎn)品經(jīng)理

問(wèn)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(gè)員工的小嘗試，比如 Google 的很多產(chǎn)品是這么誕生的。那么對(duì)于訊飛來(lái)說(shuō)，做輸入法的契機(jī)是什么，這個(gè)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(shí)候，當(dāng)時(shí)我在訊飛研究院，我記得iPhone4發(fā)布的當(dāng)天晚上，我跟我上級(jí)，就iPhone4做了一個(gè)討論，我們認(rèn)為，iPhone上基于觸屏的全鍵盤(pán)輸入體驗(yàn)，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(guò)腦暴，我們考慮到，把訊飛的語(yǔ)音技術(shù)結(jié)合到輸入上來(lái)。完了我就自己動(dòng)手開(kāi)始做，很快就出了一個(gè)demo，因?yàn)槲以瓉?lái)是做過(guò)手寫(xiě)識(shí)別，還有拼音的這個(gè)技術(shù)，所以這個(gè)demo也包含了，語(yǔ)音手寫(xiě)還有拼音的功能。

這個(gè)demo拿出來(lái)給他老大看，他覺(jué)得，不能僅僅是做個(gè)demo，后面我們就對(duì)市場(chǎng)進(jìn)行，研究和分析，寫(xiě)了一個(gè)立項(xiàng)書(shū)，而且在公司層面也獲得了通過(guò)，其實(shí)我們組建幾人的小團(tuán)隊(duì)在杭州封閉開(kāi)發(fā)了三四個(gè)月，然后在10月28號(hào)，我們對(duì)外發(fā)布了第一個(gè)版本。

Q2

雷鋒網(wǎng)：外界看來(lái)，訊飛是一家toB業(yè)務(wù)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(rèn)為最需要突破的地方，還是在思維方式以及配套的團(tuán)隊(duì)體系方面。從面向行業(yè)客戶到直接面向消費(fèi)者的，需要更多的去考慮用戶的需求。然后整個(gè)團(tuán)隊(duì)的開(kāi)發(fā)運(yùn)營(yíng)推廣的流程和體系需要重新構(gòu)建。

在2011年的時(shí)候，訊飛，面向消費(fèi)者成立了一個(gè)移動(dòng)互聯(lián)事業(yè)部。現(xiàn)在，訊飛輸入法就在這個(gè)部門(mén)下面。我們部門(mén)其他的產(chǎn)品還有，靈犀語(yǔ)音助手（前身叫訊飛語(yǔ)點(diǎn)）、在幾年前iPhone上推出的一款叫訊飛口訊的，也風(fēng)靡一時(shí)當(dāng)時(shí)曾經(jīng)，在app store的排行首位。訊飛輸入法的團(tuán)隊(duì)，在這幾年也有一個(gè)很大的發(fā)展從最早，只有幾個(gè)人的，小的開(kāi)發(fā)團(tuán)隊(duì)，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(chǎng)景有什么特點(diǎn)？

訊飛翟吉博：我們?cè)缙诘姆N子用戶，有個(gè)典型特征都是偏極客的，他們對(duì)語(yǔ)音技術(shù)關(guān)注度比較高，有不少用戶提到他們?cè)瓉?lái)在電腦上，就體驗(yàn)使用過(guò)IBM的語(yǔ)音技術(shù)。然后他們，會(huì)全天候的，不停的來(lái)測(cè)試我們的系統(tǒng)，并且提出各種各樣的設(shè)想和改進(jìn)意見(jiàn)。

Q4

雷鋒網(wǎng)：講真，這次訊飛的語(yǔ)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(shí)我們事先真沒(méi)想到，老羅是以這樣的一種演示方式，足足給了我們這么長(zhǎng)的時(shí)間，從現(xiàn)場(chǎng)，觀眾的熱烈響應(yīng)，還有網(wǎng)絡(luò)上的，熱烈反響，給了我們團(tuán)隊(duì)充分的信心。

至于數(shù)據(jù)嘛，這個(gè)請(qǐng)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(fèi)）總榜上沖到了第三，在工具（免費(fèi)）榜上已經(jīng)，排在了第一。在華為，小米等應(yīng)用商店下面，也看到很多用戶的評(píng)論，都是和老羅的發(fā)布會(huì)有關(guān)。

Q5

雷鋒網(wǎng)：一些懂行的人告訴我們，其實(shí)老羅在臺(tái)上演示的兩段內(nèi)容輸入，還是非常有局限性的，說(shuō)的幾乎都是常用語(yǔ)，換言之就是機(jī)器最容易識(shí)別的東西。里邊沒(méi)有任何專有詞匯，中英混雜，同音字等等等等。你們?cè)趺纯矗?/strong>

訊飛翟吉博：其實(shí)老羅現(xiàn)場(chǎng)也提到了在那樣的一個(gè)環(huán)境下做語(yǔ)音輸入的演示，本來(lái)就是一件很有挑戰(zhàn)的事情，因?yàn)榄h(huán)境的噪聲還有回聲的干擾，對(duì)于技術(shù)來(lái)說(shuō)，是比較困難的一個(gè)問(wèn)題。另外大家可以關(guān)注到老羅的一個(gè)非常即興的方式，它的語(yǔ)料是很開(kāi)放的，而且語(yǔ)速也很快。這種方式相比封閉的，比如說(shuō)繞口令的，這種語(yǔ)料，難度其實(shí)大很多。

當(dāng)然對(duì)于專有詞匯還有中英文混合這些，也會(huì)加大識(shí)別的難度。我理解老羅，也是想保證現(xiàn)場(chǎng)的效果，所以，在即興的語(yǔ)料上，沒(méi)有加大這方面的難度。

Q6

雷鋒網(wǎng)：所以，語(yǔ)音輸入的春天真的又來(lái)了嗎？我們報(bào)道科技很多年，其實(shí)每隔幾年人們就會(huì)提語(yǔ)音輸入的突破，但到頭來(lái)會(huì)發(fā)現(xiàn)，路還很長(zhǎng)，需要技術(shù)的突破也需要整個(gè)大環(huán)境的變化。你們?cè)谡Z(yǔ)音輸入的一線，講講你們的感覺(jué)吧？

訊飛翟吉博：那根據(jù)我們現(xiàn)在的理解，目前的語(yǔ)音技術(shù)的應(yīng)用，可能還是主要分為這幾個(gè)場(chǎng)景：

• 第一個(gè)是在即時(shí)通訊應(yīng)用里邊。作為比較實(shí)用的就是把語(yǔ)音轉(zhuǎn)成文字；

• 第二個(gè)是語(yǔ)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(gè)就是在類似siri這樣的語(yǔ)音助手中，做上下文的對(duì)話以及理解。

那其實(shí)我們輸入法在第一種應(yīng)用，當(dāng)中可以看到，整個(gè)的語(yǔ)音用戶占比的發(fā)展趨勢(shì)，從最早的每天幾個(gè)百分點(diǎn)，到現(xiàn)在接近20%，有些語(yǔ)音用戶已經(jīng)養(yǎng)成非常穩(wěn)定的使用習(xí)慣，而且這個(gè)趨勢(shì)仍然在增長(zhǎng)中。我認(rèn)為這個(gè)比例現(xiàn)在還沒(méi)有到達(dá)，應(yīng)有的用戶覆蓋。不過(guò)另一方面，我們認(rèn)為基于手機(jī)這種觸屏為主的設(shè)備，語(yǔ)音不會(huì)是完全主流的，那在下一個(gè)萬(wàn)物互聯(lián)和vr設(shè)備流行的時(shí)代，我相信語(yǔ)音技術(shù)的春天會(huì)，真正到來(lái)。

Q7

雷鋒網(wǎng)：語(yǔ)音輸入的技術(shù)突破有多大？給詳細(xì)講講。

訊飛翟吉博：從這幾年發(fā)展來(lái)回顧，語(yǔ)音輸入技術(shù)可以分為幾個(gè)階段：

第一個(gè)階段。在我們，10年剛推出的時(shí)候，整個(gè)的識(shí)別率是初步的達(dá)到了使用門(mén)檻，字正確率只有70%多還不到80%；

第二個(gè)階段。那隨著用戶越來(lái)越多積累了大量的數(shù)據(jù)，通過(guò)大數(shù)據(jù)的訓(xùn)練來(lái)驅(qū)動(dòng)，使得整個(gè)的識(shí)別效果穩(wěn)步的提升，能夠到達(dá)90%出頭。

第三個(gè)階段。2012、13年的時(shí)候，那我們，使用了深度學(xué)習(xí)算法之后，再結(jié)合大數(shù)據(jù)的訓(xùn)練，使得正確率又有了，更大的突破。

其實(shí)，老羅發(fā)布會(huì)上宣傳了97%這個(gè)數(shù)字，我們達(dá)到這個(gè)數(shù)字其實(shí)已經(jīng)有一兩年時(shí)間了。

Q8

雷鋒網(wǎng)：訊飛的語(yǔ)音輸入強(qiáng)在哪兒？

訊飛翟吉博：首先要說(shuō)，深度學(xué)習(xí)算法出來(lái)并相繼普及之后，對(duì)于安靜的環(huán)境下，日常的句子，大家的語(yǔ)音技術(shù)基本都達(dá)到了實(shí)用的水平。訊飛相對(duì)深入的地方表現(xiàn)在，三個(gè)方面：

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

第二，對(duì)于抗環(huán)境的干擾方面。比如說(shuō)在開(kāi)車的時(shí)候，如果開(kāi)著窗戶，那個(gè)噪聲是非常大的，訊飛是目前通過(guò)國(guó)際大車廠測(cè)試唯一達(dá)到實(shí)用水平的，技術(shù)提供商；

第三，對(duì)于網(wǎng)絡(luò)的依賴方面。我們能夠提供在線和離線無(wú)縫結(jié)合的方案，而且在離線的識(shí)別上面，也達(dá)到了很高的識(shí)別效果。

Q9

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

訊飛翟吉博：還是說(shuō)一下剛才提到的關(guān)于在線離線無(wú)縫結(jié)合的方案吧，那其實(shí)我們剛開(kāi)始推出離線語(yǔ)音的時(shí)候就考慮到，在線語(yǔ)音的優(yōu)勢(shì)是足夠精準(zhǔn)，離線語(yǔ)音的優(yōu)勢(shì)是比較可靠，我們能不能在用戶網(wǎng)絡(luò)不太穩(wěn)定的時(shí)候，能智能地做一個(gè)識(shí)別和判斷，把兩者的優(yōu)勢(shì)有一個(gè)很好的結(jié)合，所以我們現(xiàn)在在產(chǎn)品上，會(huì)實(shí)現(xiàn)一個(gè)從在線到離線智能切換的策略，這也算是一個(gè)比較貼心的細(xì)節(jié)。

Q10

雷鋒網(wǎng)：iPhone 平臺(tái)和 Android 平臺(tái)，在產(chǎn)品設(shè)計(jì)上，有怎樣不同的考慮？另外，那個(gè)牌子的手機(jī)更能發(fā)揮訊飛的語(yǔ)音能力？

訊飛翟吉博：首先考慮的是在視覺(jué)和交互的規(guī)范上，我們會(huì)遵循iPhone和安卓系統(tǒng)特定的規(guī)范，比如說(shuō)在iPhone系統(tǒng)上保留的地球鍵，又比如說(shuō)視覺(jué)的風(fēng)格，這些我們不會(huì)，強(qiáng)制去做，兩個(gè)平臺(tái)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(shuō)iPhone系統(tǒng)對(duì)于輸入法鍵盤(pán)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(lái)實(shí)現(xiàn)語(yǔ)音輸入，當(dāng)然iPhone也有它的優(yōu)勢(shì)，比如我們可以利用3d touch，來(lái)實(shí)現(xiàn)利用輸入法鍵盤(pán)做很方便的光標(biāo)移動(dòng)，這個(gè)功能在需要定位修改文字的時(shí)候比較方便。

語(yǔ)音輸入對(duì)于不同手機(jī)來(lái)說(shuō)，更多的是看錄音質(zhì)量的區(qū)別，現(xiàn)在很難籠統(tǒng)地說(shuō)哪個(gè)牌子的手機(jī)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(cuò)的手機(jī)，對(duì)語(yǔ)音輸入效果都有很大的幫助。

Q11

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

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

另外，在產(chǎn)品和技術(shù)本身，我們覺(jué)得在個(gè)性化方面有很大的發(fā)展空間，因?yàn)楝F(xiàn)在每個(gè)人或多或少都有獨(dú)特的發(fā)音習(xí)慣和用詞習(xí)慣，未來(lái)的語(yǔ)音輸入可以為每個(gè)人量身打造越用越好，我們現(xiàn)在已經(jīng)在輸入法里，通過(guò)個(gè)人賬號(hào)實(shí)現(xiàn)了，通訊錄人名和定制詞庫(kù)的個(gè)性化識(shí)別，將來(lái)還將實(shí)現(xiàn)，更深入的個(gè)性化功能。

Q12

雷鋒網(wǎng)：最后分享一下你的語(yǔ)音輸入使用習(xí)慣吧？

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

第一個(gè)階段。主要還是在克服自己的心理障礙，一開(kāi)始總是覺(jué)得用語(yǔ)音對(duì)著手機(jī)說(shuō)話，感覺(jué)有點(diǎn)傻，只敢一個(gè)人的時(shí)候用。

第二個(gè)階段。那后面在大街上也經(jīng)常看到有人用對(duì)著微信發(fā)語(yǔ)音，好像大家也習(xí)以為然了，所以心里的障礙慢慢的有所克服，這個(gè)階段更多的是對(duì)語(yǔ)音識(shí)別效果的調(diào)校，自己想想怎么樣能說(shuō)得更準(zhǔn)，而且怎么樣能有一些方面的修改。

第三個(gè)階段。也就是現(xiàn)在的階段，可以說(shuō)已經(jīng)達(dá)到一個(gè)老司機(jī)的水平了，可以相對(duì)比較得心應(yīng)手的使用，特別是在移動(dòng)的狀態(tài)下，基本上就靠用語(yǔ)音了。

---

【唯物】開(kāi)通讀者交流群啦！如果你對(duì)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(gè)人信息附上【唯物】，審核通過(guò)之后我們會(huì)拉您入群。唯物公眾號(hào) okweiwu。

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