先至10亿次赛点，百度输入法语音输入的技术以人为本

文本|相邻章节

从手写输入、部首五笔输入到拼音输入，输入法的改进不仅促进了行业效率的提高，也使输入法有了更广泛的用户基础。正是在不断提高输入效率和增加用户覆盖面的初衷下，输入法行业事实上一直在寻找更先进的输入法。在这里，具有人类自然习惯的语音输入已经成为所有主要输入方法的焦点

可以看出，目前国内主流的百度输入法、搜狗输入法、迅飞输入法一直在争夺语音输入的权力，试图在将人工智能技术推向地面的同时抢占未来的交互模式，创造新的可能性。但是，从目前语音输入的进展来看，百度输入法已经领先搜狗输入法和迅飞输入法第一个匹配点，并率先达到每天超过10亿次语音输入请求的“小目标”。最近，百度输入法宣布，自2020年1月25日春节假期以来，百度输入法每天的语音请求超过10亿次，创行业历史新高。随着智能语音技术的发展和语音输入功能的不断创新，不同语言、口音和场景的语音输入门槛大大降低，从而在一定程度上提高了用户的使用率。然而，在现实中，在过去很长一段时间内，在输入法中使用语音输入的用户的平均日请求量没有超过10亿次，而最佳数据只有8亿次。这一次，百度输入法平均每天的语音请求量直接超过10亿大关，这对于语音输入来说显然是一个巨大的飞跃，尤其是考虑到整个智能手机市场已经进入了炒股期，可以说是对整个行业的一个提振。这也是为什么每天平均语音请求超过10亿次并可被视为语音输入的第一匹配点的原因——它表示用户对语音输入的新输入方法的接受达到了一个新的维度，这意味着语音输入已经具有相对广泛的用户基础，并且用户使用语音输入的习惯正在逐渐形成。如果以《2019年上半年中国第三方手机输入法专题研究报告》中提到的2.71亿百度输入法语音输入用户为基础计算

，那么目前百度输入法的平均日语音请求量超过10亿大关，即用户输入频率接近3.7次/天

，当然，这只是一个平均数，在真实用户中高频和低频语音输入之间肯定有区别，但这仍然足以表明在相当多的用户中已经开始形成使用语音输入的习惯。这为语音输入进入下一个匹配点并达到每天平均100亿或1000亿次请求奠定了坚实的基础，直到它变得像当前的拼音输入一样自然和常见。

首先到达赛点，基于人的技术回归在这里是

。问题也随之而来。同时作为语音输入电路，为什么百度可以先把语音输入到匹配点并引领行业呢？在我看来，这是用户的反馈，百度的语音输入实践技术是以人为本的

实际上，输入法是一种具有高频特性的工具应用。用户衡量该工具及其功能的核心指标自然取决于该产品的功能和体验。实际上，百度输入法平均每天的语音请求量已经超过10亿大关，这实际上足以表明用户对百度输入法语音输入功能的认可。事实上，在人工智能媒体咨询公司发布的《2019年度中国第三方移动输入市场专题研究报告》中，我们也看到百度输入法语音输入的准确性和用户满意度在行业内排名第一。

但是众所周知，与相对直接反馈的部首输入或拼音输入不同，从用户的角度来看，语音输入是更自然和方便的输入方法，但是对于输入法来说，实际上很难快速和准确地将用户所说的语音转换成单词，特别是考虑到人类语音的多样性和独特的区域特征这也使得语音识别涉及到信号处理、模式识别、概率论与信息论、发声机制与听觉机制、人工智能甚至人体语言等诸多领域。显然，这也将极大地测试输入法制造商的技术能力。

在这里，百度输入法的语音输入可以达到业界第一的准确率和用户满意度，这离不开百度世界领先的语音技术带来的技术支持事实上，百度的输入法体现了百度的人工智能能力，如语音、图像、自然语言处理和知识地图等例如:

1，离线在线，语音识别准确率高不变

为语音输入，快速准确的识别用户所说的是他们重复使用的基础。如果用户在使用过程中多次不能准确地识别它，用户使用它的愿望将大大降低。然而，为了快速识别用户的语音，有必要支持语音识别的核心技术，这使得机器能够通过识别和理解将语音信号转换成相应的文本或命令。这正是百度擅长的。自2012年以来在语音识别领域投入巨资的百度，可以说是引领了语音识别技术的浪潮。最新的例子是在2019年。为了进一步提高用户输入语音时的语音识别准确率，百度在百度输入法中采用了流截断多层注意力建模(SMLTA)，这是世界上首次大规模推出基于注意力技术的在线语音识别服务。

的领先技术优势必然带来主导产业效应。数据显示，SMLTA技术将百度在线语音输入法的相对准确率提高了15%，超过行业最佳竞争对手15%同时，百度输入法还将SMLTA技术应用于离线场景，以解决以往用户在地铁、电梯、隧道或拥挤人群等离线场景中遇到的语音识别能力差的难题。从结果来看，SMLTA技术使得离线状态下百度输入法语音输入的识别准确率达到与在线语音相同的水平。与行业竞争对手相比，百度输入法离线语音输入的准确率现在比行业平均水平高出35%

正是基于百度多年在语音识别领域的深厚栽培。将业界领先的SMLTA技术应用于百度输入法。这也使得百度输入法的语音输入，无论是在线还是离线，都大大领先于竞争对手，带给用户高识别准确率的体验，这也为百度输入法语音输入获得业界第一的准确率和满意度奠定了坚实的基础

2，不用担心地方口音，让方言畅所欲言

如前所述，人类的语言具有多样性和独特的地域特征，使得目前我国通用的语言是普通话，但方言大多用于人们的日常交流。根据教育部2019年文件《汉语语言文字概述》的介绍，汉语方言可分为十大方言:官话方言、晋语方言、吴语方言、回族方言、闽语方言、越语方言、客家方言、赣语方言、湘语方言和平话方言。在这些复杂的方言区，还可以进一步划分为几个方言段(也称为次方言)或甚至“方言段”或甚至明确界定为一个地方(市、县、镇、村)的地方方言，如四川方言、重庆方言和广州方言

方言众多的事实无疑增加了语言识别的难度，但是从方言区用户的角度来看，自由地显示本地声音比使用普通话自然得多。然而，这也要求语音输入产品从用户的角度培养不同语言区域用户的使用习惯，使他们在说方言时也能使用语音输入功能，而不是强迫不同方言区域的用户使用普通话作为统一的语音输入方法。

在这里，我们看到百度输入法为此推出了“方言自由语音”——它通过技术优化将普通话和六种方言整合到一个语音识别模型中，实现了方言和方言、方言和普通话的混合语音输入，不需要用户先选择“方言识别”再来回切换

3。让中国和英国自由说话，不要管外国。

随着对外交流的深入和新声音的出现，中英文混合已成为许多行业的常态。然而，这已经成为语音输入的一个新问题，这种输入法相当困难，以致长期以来，每次语音输入只能实现一些简单的中英文单词的混合输入，而且还会影响中文识别的准确性。

面对实际用户需求和实现中英文混合语音的技术困难，百度输入法引入了“自由中英文语音”，实现了高精度的中英文混合语音输入，而不影响中文语音输入的准确性。百度输入法已成为目前唯一实现高精度中英文混合语音输入的输入法产品。然而，其实现与语音识别算法SMLTA技术支持的实现方言自由语音的训练方法有相似的逻辑，百度输入法通过汉语音节和英语音素的混合建模，进行基于大量纯汉语、纯英语和汉英三种大数据的模型训练，然后并行解码纯汉语、纯英语和汉英三种语言模型，合并标点符号和案例处理

以上只是百度输入法悄悄将许多人工智能技术集成到其产品中以有效改善用户体验、思考用户想法并满足不同用户需求的冰山一角在我看来，这也生动地说明了技术以人为本和技术更好的含义。此外，事实上，基于自然语言处理、图像识别、增强现实等技术，百度输入法还引入了人工智能功能，如自然语言处理句子预测、人工智能桶图、神圣句子匹配图、皮肤主题c位识别等。它已经成为业界第一个实现多场景句子预测的输入法产品，同时大大提高了输入法产品的输入效率和可玩性

是一款默默集成技术的产品，为用户带来真正的体验提升，用户自然会投其一票。因此，用户选择百度输入法，使用百度输入法进行高频率的语音输入，使得他们的日平均请求量达到10亿个匹配点，自然顺理成章。

语音输入无处不在

事实上，从行业角度来看，人工智能语音输入也正在成为引领未来的新输入方式。

事实上，早在2016年，互联网女王玛丽·米克就在她的《互联网趋势》报告中预言:“声音正在被重塑，成为人机交互的新范式在过去的75年里，人机交互每10年就有一次重大创新。人类对机器的操作，从物理手柄按键，到物理键盘和鼠标，再到触摸屏，现在声音已经成为一种重要的交互方式“

现在百度输入法、搜狗输入法、迅飞输入法等。积极将人工智能技术与输入法相结合，探索更具包容性和自然性的语音输入方法。毫无疑问，在新旧交互交替时，他们也在尝试先获得语音交互的人机交互新范式，使输入法产品突破现有产品的束缚，进入更广泛的物联网设备，使语音输入这种更自然、更高效的输入方式更加普遍。

正如百度首席技术官王海峰在2019年百度输入法“人工智能新输入全感官输入2.0”大会上所说:输入法是最贴近用户的产品之一，也是人工智能落地的“桥头堡”。未来的输入方法将应用于各种智能设备和用户之间的交互，连接各种终端场景，包括智能家庭和汽车网络。

如果考虑到当前的输入法产品实际上已经嫁接了许多应用程序并在输入法内形成了直接应用的现实，那么在新的基础设施时代，输入法实际上有可能成为一个超级门户

，从这个层面来看，百度输入法的语音输入请求每天超过10亿次，这更有意义——在进一步引领行业探索语音输入作为未来输入法的同时，也将帮助百度在新的基础设施时代抢占这个超级门户。

作者:邻近章节，聚焦智能手机、人工智能、消费与工业互联网等

本文由 在线网速测试 整理编辑，转载请注明出处。