百度输入法日均语音请求量破10亿次，对输入法行业意味着什么？

百度输入法日均语音请求量破10亿次，对输入法行业意味着什么？

文字| 临漳

从手写输入、词根五笔输入到拼音输入，输入法输入法的进步不仅促进了行业效率的提升，也让输入法拥有了更广泛的用户群体。 怀着不断提高输入效率、增加用户覆盖率的初衷，输入法行业实际上一直在探索更先进的输入法。 在这里，具有人类自然习惯特征的语音输入已经成为主要的输入方式。 佛法力量的焦点。

我们可以看到，目前国内主流的百度输入法、搜狗输入法、科大讯飞输入法等都已经在语音输入领域展开角逐，试图推动AI技术的落地，同时抓住未来的交互方式，创造新的可能。 从目前各类语音输入法的进展情况来看，百度输入法正在领先搜狗输入法、科大讯飞输入法达到第一竞争点，并率先实现日语音输入请求量突破10亿次的“小目标” 。 ”——近日，百度输入法宣布，自2020年1月25日春节假期以来，百度输入法日均语音请求量已突破10亿次，创下行业历史新高。

日均请求量超10亿，语音输入首个赛点

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、不同口音、不同场景下的语音输入使用门槛大大降低，用户使用率得到一定程度的提升。 但现实中，在过去很长一段时间里，用户在输入法中的语音输入日均请求量都没有超过10亿次，最好的数据也不过8亿多次。 此次，百度输入法日均语音请求直接突破10亿大关，这显然是语音输入的一次重大飞跃，尤其是考虑到整体智能手机市场已经进入存量期的现实，对于整个行业来说，可以说是一个助力。 这就是为什么日均语音请求超过10亿次可以说是语音输入的第一个突破点——它代表着用户对语音输入这种新的输入方式的接受度进入了一个新的维度。 ，这意味着语音输入已经拥有了较为广泛的用户基础，用户使用语音输入的习惯正在逐渐形成。

如果按照艾媒咨询发布的《2019上半年中国第三方移动输入法专题研究报告》中提到的百度输入法语音输入用户2.71亿计算，那么目前日均语音请求量为百度输入法已突破10亿次大关，意味着用户每天的输入频率接近3.7次。

当然，这只是一个平均值，真实用户的高频和低频语音输入肯定存在差异，但仍然足以说明相当多的人已经开始形成使用语音输入的习惯。用户很少。 这为语音输入更上一层楼奠定了坚实的基础，每天的请求量达到数百亿、数千亿，直到成为像现在的拼音输入一样自然、普遍的输入法。

抢先赛点，科技以人为本的回归

说到这里，问题也出现了。 在语音输入赛道，百度输入法语音输入为何能率先到达竞争点并领先行业？ 在我个人看来，这或许就是百度输入法语音输入技术以人为本的用户反馈。

实际上，输入法是一种具有高频特性的工具应用。 用户衡量这个工具及其功能的核心指标自然会基于这个产品的功能和体验。 现实中，百度输入法日均语音请求量首次突破10亿大关，足以说明用户对百度输入法语音输入功能的认可。 事实上，在艾媒咨询发布的《2019中国第三方移动输入法市场年度专题研究报告》中，我们也看到，百度输入法语音输入在准确率和用户满意度方面均位居行业第一。

但也众所周知，与词根输入或拼音输入提供相对直接的反馈不同，虽然从用户的角度来看，语音输入是一种更自然、更方便的输入方式，但对于输入方式来说，它需要用户说话，这实际上是相当困难的。快速准确地将语音转换为文本是很困难的，特别是考虑到人类语音的多样性和独特的地域特征。 这也使得语音识别涉及到信号处理、模式识别、概率论和信息论、发声机制和听觉机制、人工智能甚至人体语言等多个领域。 显然这也将极大考验输入法厂商的技术能力。

这里，百度输入法语音输入能够在准确度和用户满意度方面位居行业第一，这离不开百度全球领先的语音技术带来的技术支持。 事实上，百度输入法凝聚了百度多年培育的语音、图像、NLP、知识图谱等AI能力。 例如：

1、离线和在线，语音识别的高精度保持不变。

对于语音输入来说，能够快速、准确地识别出用户所说的内容是其被用户重复使用的基础。 如果用户在使用过程中不能准确地反复识别，用户的使用欲望就会大大降低。 然而，要实现对用户语音的快速识别，需要语音识别的支持，语音识别是机器通过识别和理解将语音信号转换为相应文本或命令的核心技术。 这是百度的特色。 从2012年开始大力投入语音识别领域的百度，可以说是引领着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在语音输入时语音识别的准确率，百度在百度输入法中使用了流式截断多层注意力模型（SMLTA）——这是全球首次大规模推出基于技术的在线语音识别服务。

当然，领先的技术优势也带来行业领先的成果。 数据显示：SMLTA技术将百度输入法在线语音相对准确度提升15%，超越业界最佳竞品15%。 同时，百度输入法还在线下应用SMLTA技术，解决用户在地铁、电梯、隧道或人群密集等线下场景中遇到的语音识别效果差的痛点。 从结果来看，SMLTA技术让百度输入法的离线语音输入识别准确率达到了与在线语音相同的水平。 与行业竞争对手相比，目前百度输入法的离线语音输入准确率比行业平均水平高出35%。 。

正是基于百度在语音识别领域多年的深耕，将行业领先的SMLTA技术应用于百度输入法，这也让百度输入法语音输入无论是在线或离线。 ，为用户带来了较高的识别准确度体验，而这也为百度输入法语音输入达到行业第一的准确率和满意度奠定了坚实的基础。

2.不要害怕当地方言，让你的方言自由表达。

如上所述，人类语音具有多样性和独特的地域特征。 虽然中国的通用语言是普通话，但人们在日常交流中大多使用方言。 据教育部2019年《中国》文件《语言概览》介绍，汉语方言可分为十种方言：官话、晋话、吴话、回话、闽话、粤话、客家话、赣语、湘语、平话，而这些复杂的方言之中，又可以分为若干个方言片（也称子方言）甚至“方言片”，甚至是各个地方特有的方言。地点（某市、某县、某镇、某村），如四川话、重庆话、广东话等。

方言众多无疑让语言识别变得更加困难，但从方言地区用户的角度来看，自由表达当地方言比使用普通话自然得多。 这也要求语音输入产品要从用户角度出发，适应不同语区用户的使用习惯，让他们即使说方言也能使用语音输入功能，而不是强迫不同方言区的用户使用普通话语音输入。 方式。

在这里，我们看到百度输入法为此推出了“方言自由说”——通过技术优化，将普通话和六大方言融合成一个语音识别模型，实现方言与方言、方言与普通话之间的混合语音。 输入时无需用户先选择“方言识别”并来回切换。

3、不分中外，让中英自由说话

随着对外交流的不断深入和新声音的不断出现，中英文混合说已成为许多行业的常态。 但对于输入法语音输入来说，这就成了一个新的问题，而且相当困难。 长期以来，各语音输入公司只能实现一些简单英文单词的中英文混合输入，而且也会影响中文识别的准确性。

面对用户的实际需求和中英文混合的技术难点，百度输入法推出“汉英自由语音”，在不影响中文语音输入准确性的情况下实现高精度中英文。 混合语音输入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。 其实现方式其实与方言自由口语的训练方法有类似的逻辑——在语音识别算法SMLTA技术的支持下，百度输入法对中文音节和英文音素进行建模，并基于大量纯中文、纯中文、纯英文音素。利用英语、汉英大数据进行模型训练，然后并行解码纯汉语、纯英语、汉英三类语言模型，并整合标点和大小写进行处理。

以上只是百度输入法默默地将众多AI技术融入到产品中的冰山一角，有效提升用户体验，想用户之所想，满足不同用户的需求。 在我看来，这也形象地诠释了科技以人为本、科技更好的意义。 此外，事实上，基于NLP、图像识别、AR等技术，百度输入法还推出了NLP句子预测、AI打斗图、神句图、皮肤主体C位识别等AI功能，成为业内首创实现多场景全句智能预测的输入法产品，不仅大大提高了输入效率，也提高了输入法产品的可玩性。

这种无声无息地将技术融入到产品中，真正提升了用户体验，用户自然会投上一票。 因此，用户选择百度输入法，并频繁使用百度输入法进行语音输入，使其日均请求首次达到10亿次。 第二个赛点是理所当然的。

语音输入让输入无处不在

事实上，从行业角度来看，人工智能语音输入正在成为引领未来的新型输入方式。

事实上，早在 2016 年，互联网女王玛丽·米克 (Mary ) 在她的《互联网趋势》( ) 报告中就预言：“语音正在被重塑，成为人机交互的新范式。在过去 75 年里，每 10 年就有一个2017年人机交互的重大创新。人类对机器的操作已经从物理手柄按钮，发展到物理键盘和鼠标，再到触摸屏，现在语音已经成为重要的交互方式。

目前，百度输入法、搜狗输入法、科大讯飞输入法等都在积极将AI技术与输入法相结合，探索和深化语音输入这一更具包容性、更自然的输入法。 他们无疑是在尝试新旧互动的交替。 在这种情况下，我们率先获得了语音交互这一人机交互的新范式，让输入法产品能够突破现有产品的束缚，进入更广泛的物联网设备，让语音输入成为一种更便捷的方式。自然高效的输入方式，更加无缝。 到处。

正如百度CTO王海峰在2019百度输入法“AI·新输入全感官输入2.0”发布会上所说：输入法是最贴近用户的产品之一，也是AI落地的“桥头堡”。 它是未来的输入法。 它还将应用于各种智能设备与用户之间的交互，连接包括智能家居、车联网等在内的各种终端场景。

如果考虑到现在的输入法产品实际上已经嫁接了很多应用，形成了输入法内部应用直连的现实，那么在新基建时代，输入法其实有潜力成为超级输入法。门户网站。

从这个角度来看，更有意义的是，百度输入法日均语音输入请求首次突破10亿次——在进一步引领行业探索语音输入作为未来输入法的同时，也可能帮助百度成为率先抢占新基建时代这个超级入口。