0
早在2016年10月錘子科技新品發(fā)布會上，訊飛輸入法就因羅永浩的現(xiàn)場演示火了一把，老羅在現(xiàn)場用很快的語速隨口說了一段內(nèi)容，訊飛輸入法瞬間“打”出文字，識別結(jié)果一字不差。
當(dāng)時，訊飛輸入法的語音識別率是 97%。而在昨天下午舉行的訊飛輸入法媒體見面會上，產(chǎn)品總監(jiān)翟吉博宣布，這個數(shù)字變成了 98%。
羅永浩介紹訊飛輸入法
此外，據(jù)市場品牌負(fù)責(zé)人李強(qiáng)軍介紹，訊飛輸入法用戶規(guī)模突破6億，語音輸入月覆蓋率達(dá)50%，語音滲透率保持逐年上升態(tài)勢。
至于準(zhǔn)確率是否能夠達(dá)到百分之百，訊飛輸入法產(chǎn)品總監(jiān)翟吉博的回答是：技術(shù)上目前還做不到。
首先，同音字是個難題，只能盡可能提高命中率，這也是為什么搜狗、百度、訊飛都要給輸入法加入語音修改功能的原因。其次，用戶非?？谡Z化的表達(dá)機(jī)器無法精準(zhǔn)識別，人機(jī)交互習(xí)慣需要磨合。此外，嘈雜環(huán)境下語音識別會受到環(huán)境音的影響。
訊飛輸入法產(chǎn)品總監(jiān)：翟吉博
訊飛輸入法從人腦神經(jīng)科學(xué)入手對人類記憶進(jìn)行仿生，實(shí)現(xiàn)大量無監(jiān)督的數(shù)據(jù)去輔助有人工標(biāo)注的數(shù)據(jù)。受圖像領(lǐng)域 CNN 應(yīng)用的啟發(fā)，科大訊飛研發(fā)了深度全序列卷積神經(jīng)網(wǎng)絡(luò)（Deep Fully Convolutional Neural Network，DFCNN）語音識別框架，使用大量的卷積層直接將語譜圖作為輸入，相比傳統(tǒng)語音特征作為輸入，降低了信息損失，表達(dá)了語音的長時相關(guān)性。
同時，借鑒圖像識別中效果最好的網(wǎng)絡(luò)配置，每個卷積層使用 3×3 的小卷積核訓(xùn)練更深的 CNN 模型，輸出單元直接為最終的識別結(jié)果（比如音節(jié)或漢字），將感知智能、認(rèn)知智能等 AI 技術(shù)應(yīng)用在輸入法上，一分鐘可識別 400 字，并支持多語種實(shí)時語音翻譯、超長語音輸入、耳語輸入、離線語音輸入等功能。
對于口音和方言識別的難題，訊飛輸入法提出方言語音輸入方案來解決。依托科大訊飛對 AI 技術(shù)及語言深度研究的積累，采用 Multi-lingual 多語言建模，通過多方言數(shù)據(jù)共享方式訓(xùn)練；輔以 Global Phone全球音素集，從聲學(xué)層面的相似性統(tǒng)一各方言的音素定義，對方言“語圖譜”模型做進(jìn)一步精進(jìn)，從而有針對性地提升方言語種的識別能力。
目前訊飛輸入法支持 22 種方言，其中粵語、四川話、東北話等識別率均已超過 90%。2017年對外發(fā)起“方言保護(hù)計(jì)劃”，建立“中國方言庫”，積累海量方言數(shù)據(jù)，讓這些數(shù)據(jù)為深度學(xué)習(xí)提供素材。本月底，訊飛輸入法將新增蘇州話識別，方言識別語種將擴(kuò)充至23種。
基于科大訊飛精簡和優(yōu)化的 Hybrid-DFCNN 全新語音識別框架，6月底訊飛輸入法將上線 Hyper-CNN語音新引擎，隨之通用語音識別準(zhǔn)確率將相對提升 15%，此外可以優(yōu)化中英混合語音輸入、粵語等重點(diǎn)方言、標(biāo)點(diǎn)判斷準(zhǔn)確率，提升語音輸入的體驗(yàn)。
重新定義鍵盤，新增面對面翻譯和 OCR 拍照
在百度輸入法的發(fā)布會上，AIG 負(fù)責(zé)人王海峰發(fā)表了他對輸入法的看法，認(rèn)為即便現(xiàn)在有語音輸入的加持，其實(shí)還不足夠，未來的輸入方式一定是 AI 加持的“全感官輸入”。訊飛的判斷是，輸入法將不再局限于五筆、九宮格、二十六鍵、手寫固定鍵盤形態(tài)，從而推出“莫得鍵盤”、“語音鍵盤”、“VG 語音交互面板”等人機(jī)交互模式。
莫得鍵盤即“沒有”鍵盤，基于訊飛輸入法智能語音技術(shù)，支持語音輸入、語音口令控制，實(shí)現(xiàn)無鍵盤輸入。為語音重度用戶量身定制了語音鍵盤，呈現(xiàn)便捷的語音輸入形態(tài)，只憑一張嘴就能輕松打字、修改甚至自動加標(biāo)點(diǎn)符號，不需學(xué)習(xí)其他技能?；谥悄苷Z音應(yīng)用，打造 VG（VoiceGame）語音交互面板，利用 AI 在交互層面進(jìn)行了嘗試。輸入過程等同“玩游戲”，語速快慢、聲音大小等直接體現(xiàn)了創(chuàng)意交互。
訊飛輸入法將語音識別、語音合成以及機(jī)器翻譯等新技術(shù)融合在一起，新增面對面翻譯，支持中文與英日韓俄多語種即時翻譯，并且將面對面的交互方式引入語音翻譯應(yīng)用中。例如，在對話雙方各講母語時，另一方就會同步看到翻譯結(jié)果。
基于用戶剛需，新增了 OCR 拍照輸入，可以識別書本、路牌、名片等印刷體上的文字以及手寫字體。手寫識別準(zhǔn)確率也高達(dá) 90% 以上。
會后，雷鋒網(wǎng)分別試用了搜狗輸入法和訊飛輸入法。
訊飛語音可一次性不間斷輸入249個字，搜狗語音可輸入221個字。整體來看，訊飛識別率更高一些。
在對詩歌的識別方面，兩家輸入法都有很好的表現(xiàn)。讀者也可試試用自己家鄉(xiāng)的方言，看看這些有 AI 加持的輸入法能否精準(zhǔn)識別。
隨著語音識別技術(shù)的發(fā)展，可能未來我們真的不再需要用手打字，至于訊飛對未來人工智能語音輸入的展望，翟吉博的回答是：“現(xiàn)在的產(chǎn)品在省時高效和足夠簡單自然這些維度上并沒有做到極致。假如有一天技術(shù)成熟了，我們通過意念或者腦電波輸入文字，打開微信，盯著屏幕看兩秒，文字就發(fā)出去了，我想這會是一個更加極致的輸入法。”
據(jù)速途研究院2017年調(diào)研數(shù)據(jù)顯示，輸入法市場上，搜狗以 63.6% 的市場份額遙遙領(lǐng)先，接下來是百度和訊飛。王海峰說，百度輸入法是百度 AI 技術(shù)應(yīng)用的橋頭堡，新的 AI 技術(shù)將會首先應(yīng)用在輸入法上。搜狗 CEO 王小川也表示將 AI 賦能升級輸入法列為搜狗 2018 年度 AI 戰(zhàn)略之一，并且輸入法不止可以打字，還將承載信息獲取和流量分發(fā)。在輸入法都打 AI 牌的年代，訊飛的優(yōu)勢何在？
對此，翟吉博在接受雷鋒網(wǎng)的采訪時表示，訊飛一直以來聚焦于語音輸入，對于語音輸入的用戶場景體驗(yàn)和未來發(fā)展有著更深的理解。此外， 在語音技術(shù)方面持續(xù)創(chuàng)新，會一直尋找新問題并用技術(shù)和產(chǎn)品設(shè)計(jì)解決?！拔覀冇肋h(yuǎn)是往前多走一步，持續(xù)探索?！?/p>
但是，據(jù)雷鋒網(wǎng)了解，目前用戶的輸入習(xí)慣主要還是以拼音輸入為主。速途研究院的數(shù)據(jù)顯示，六成多的用戶還是選擇拼音輸入，其中九宮格拼音輸入最接近用戶的輸入習(xí)慣，可以單手掌控輸入。
隨著技術(shù)的發(fā)展，語音轉(zhuǎn)化成文字的正確率越來越高，選擇語音輸入的用戶在不斷增多。對于語音輸入，訊飛輸入法支持 22 種方言，百度輸入法則提供了語音翻譯，支持 28 種高頻次語言同聲傳譯。
目前輸入法市場格局形成了一超多強(qiáng)的局面，搜狗輸入法長期保持市場第一，且不斷發(fā)展。百度輸入法借AI 之力奮起直追，訊飛等輸入法也在不斷差異化，努力加強(qiáng)個性化特色功能。在識別率方面，頭部廠商在語音識別準(zhǔn)確率上均達(dá)到 97% 以上的高水準(zhǔn)，而百度和搜狗都擁有得天獨(dú)厚的龐大搜索數(shù)據(jù)庫為深度學(xué)習(xí)算法提供燃料，語音輸入用戶習(xí)慣的養(yǎng)成卻尚待時日，主打 AI 語音識別的訊飛，可能還需要再繼續(xù)探索其他差異化策略。
相關(guān)文章：
搜狗輸入法醫(yī)生版上線，解決醫(yī)生群體打字難問題
百度輸入法 8.0 版本上線，王海峰稱其是“百度 AI 的橋頭堡”
為iPhone X加點(diǎn)料，搜狗輸入法iOS新版上線
CNCC 2016 | 搜狗 CEO 王小川：輸入法的未來是自動問答
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。
