百度输入法的AI新赛道竞逐之路

资讯 5年前

1.41K

被外界认为优化空间越来越小的输入法产品，开始从AI上找突破的机会，也惹得各路豪强争相竞逐。而AI的介入改变的可能不只有“输入”，或还有整个“输入法”的固有认知。

大多数人看来已经十分成熟的互联网产品——输入法，躁动还在继续。

1月16日，百度输入法搞了一场名为“AI·新输入全感官输入2．0”的发布会，发布了其宣称为“国内首款真正意义上的AI输入法”的百度输入法AI探索版，百度高级副总裁王海峰表示，“百度输入法将扮演好沟通桥梁的重要角色，让人机交互进入一个全新的阶段”。

该输入法是一款默认输入方式为全语音输入，并支持表情、肢体等进行所谓“全感官”输入的输入产品。看起来，百度想要凭借一贯的AI技术优势来获得输入法市场的突破，而用“沟通桥梁”来定义，也说明百度尝试在“输入”二字上进行新的玩法探索。

事实上，AI与输入法的结合并非什么新鲜事，闹出过“6亿用户”笑话（吹牛被识破）的科大讯飞就经常把AI技术挂在嘴边，去年12月还推出了由所谓“讯飞超脑计划”加持的讯飞输入法。

成熟的输入法市场，用户需求带来革新动力

AI被深度应用到输入法，与市场需求剧烈变化而目前多数产品形态仍然老旧有直接关系。

首先，是主体移动互联网人群在语言输入上有典型“混合化”需求：

不同汉语语系的基本的语法不断融合，如北方语系“你先走”，到了广东、香港南方语系，就变成“你走先”，如果是华人，则还有“你先走先”这样的混合用法；

与此同时，包括四川话、长沙话、东北话等特色地区方言逐渐得到大众认可，jio（脚）之类的语音开始混用；

部分走向精英化，或者出于特定社交目的的人群，中英夹杂成为常态，“我不care”、 “Emma，我觉得的这个idea真的很amazing”，诸如此类在输入情境中出现得越来越多。

其次，是移动互联网人群进一步下沉，让产生输入的“需求错配”。

张小龙说55岁以上的中老年人在微信用户中占据了可观的比例，事实上，包括微信在内的需要大量使用输入法的移动互联网产品向低线城市、农村的中老年渗透是不争的事实，这些用户一方面不懂常规输入操作，另一方面作为“新网民”又对输入需求更为迫切，需求产生了错配。不巧的是，这些人当中，方言习惯又占了绝大多数。

最后，就是所有互联网产品都在津津乐道的95后、00后新新人类，他们随着时间的推进逐渐占据移动互联网主舞台，不喜欢陈旧的事物、总是在追求新奇体验。

不是说“老产品”输入法就一定不得他们喜欢，只不过，抓住这些新新人类需求容易形成新的竞争优势。

带来多样性与创新性，AI技术成输入法“香饽饽”

总的来看，变化了的“输入”需求并不一定都需要AI来解决，但AI无疑最具备多样性与创新性可能。

如开篇所言，靠技术发家的科大讯飞对输入法AI应用最为积极，2018年6月其推出的输入法版本号称可针对嘈杂环境进行智能降噪，在主动转换后能支持多种方言输入，且可以中英混合识别。此外，还推出所谓“同音字词智能分辨”，可以判断“他”、”她“、”他“等。

作为输入法领域占据先发优势的玩家，搜狗也不忘在AI上下功夫。CEO王小川2018年开年强调AI赋能输入法与搜索，要“通过AI技术大力发展语音、对话、翻译”，随后，搜狗AI技术的重心放到了可以直接带来营收的翻译机硬件上，翻译宝Pro的42种语言实时互译，在输入端加入了语音识别支持。

而以AI技术立身的百度自然也不会放弃用AI获取输入法竞争优势的机会。只不过，百度的玩法有些不同，这次发布的“AI探索版”干脆把默认输入方式改成了语音输入，表情、肢体的全感官输入很明显是要把AI当做“主业”来搞，而不只是提升准确性的辅助技术。

百度的做法，与AI技术的属性密切相关。原本AI就是要读懂人类的语言、识别人类的命令并做出相应的反馈，而AI获得信息的方式有很多种，它们都可以看作是“输入”，用户原本也有很多对移动终端的“输入”需求，而不只是文字信息。

例如，早期的输入法以字符输入为主（用户敲键盘，如同码代码），到后来语音输入大行其道（用户只需要用口说），现在，百度推出的输入情境下的拍立活（让用户通过自己的动作“驱动”对方做出相同表情）、AR表情（为用户自拍添加背景场景）、凌空手写等AI功能，其实就是沿袭AI技术本身的特性，在输入的方式上进行了某种“维度”提升，用户可以照照自己、照照某些东西就可以进行“输入”。

全感官输入的意义，无非是让用户通过“输入法”输入的信息，在文字之外还有更多选择，从这个意义上说，AI既是输入法们提升产品多样性和创新性的技术手段，反过来它本身的属性也给出了输入法打破旧有“文字信息”桎梏的路径。

也由此，百度输入法这个所谓“AI探索版”，先不论实质内容是否有价值，至少在模式上给出了AI输入法样板。

除了创新，输入法AI竞争还需要抓住用户需求的“细节”

输入法是不太起眼却又让用户离不开的“小产品”，由此，应用AI技术进行竞争除了理念与方向，在具体操作上对细节的关注可能更能俘获用户。

1、准确性提升是永恒的主题

如同手机跑分一样，准确性不论何时都是检验输入法能力的硬指标。时至今日，输入法的准确性提升已经是“高位榨取”的过程，变得越来越极致也越来越难。

例如，讯飞喜好宣传其语音输入的准确率，据称已经提高到98％，并且1分钟可以输入400字，搜狗也有类似的准确性宣传。而百度此次之所以敢推出全语音输入，除了用户需求，更在于其所说的“领先业界的语音技术”。

百度输入法发布了在线语音的“流式截断多层注意力建模”（SMLTA）技术，按其说法，是“世界上首次实现了局部注意力建模识别精度超过全局注意力模型”，以及“世界上第一次大规模部署在线语音交互注意力模型”。该技术可以解决传统模型存在的“时延性”问题，百度方面宣称其“将在线语音识别精度提升了15％，超越行业最高水平15％”。

2、一边是5G时代到来，一边更应关注“没网”的需求

刷短视频、聊微信、打游戏、购物……这些地铁族的标配，其实隐含了输入法的另一个需求：如何解决旺盛的离线识别需求。

5G时代的脚步越来越近，但列车、电梯、隧道、高密度人群（例如春运的火车站）环境下，网慢、无网给语音输入提出了更严峻的挑战。而越是断网的场景，用户对输入法的需求其实越高，在写字楼网络好的场景其使用频率反而降低（工作等原因）。

由此，AI语音离线识别近来成为输入法产品争相打造的技术。搜狗就宣称其可以实现4国语言离线翻译，而百度则盯住Deep Peak 2系统进行优化尝试解决用户多元输入场景的需求。目前，在地铁、电梯、隧道或人流密集等离线场景中，百度输入法仍然可实现精准的语音输入，官方称“高于行业平均水平35％”，从这次发布会的一段各输入法即兴离线语音识别PK来看，百度输入法的确占优。

3、只有一个产品，却必须满足极端多样化的需求

诚如前文所言，在中文环境下，输入法不得不面临多样化的输入需求，方言、英文、不同语法……而输入法不可能为各地、各用户群分别开发，由此，如何更好地同时兼容各语言，成为输入法“体验”的重要环节。

例如，方言识别已经是多数输入法的“标配”，然而，由于技术的限制，用户往往还需要一个“进入”方言的切换动作，一方面这与互联网尽量简洁的产品思维相悖，另一方面对很多对电子产品不熟的下沉用户而言形成了天然阻隔。

这给了百度输入法机会，其“方言与方言、方言与普通话的混合语音输入”技术，目前实现了无缝切换，用户可实现“自由说”。与此类似地，中英文夹杂亦可来回切换。目前为止，百度输入法应当是市面上唯一实现了高精度中英文混合语音输入、方言免切换语音输入的输入法产品。

AI技术PK后，输入法还有你想象不到的“新机会”

客观地说，在AI技术浪潮下，上述技术革新带来的细节体验，相信各大输入法一定会尽快补齐，毕竟产品目标摆在那里，去实现就行了。

然而，从这次发布会来看，百度输入法或还“留了一手”，AI输入法样板的聚焦点可能不只有AI，百度还意图颠覆关于输入法的旧有认知，为输入法应用打开新的应用场景与商业可能。

从百度输入法AI探索版新交互、新表达、新探索三大产品主题来看，其试图结合用户需求、互联网产品理念、AI技术趋势等大环境，颠覆输入法三个固有认知：

1、＂输入法只是C端产品“

输入法当然是给普通用户使用的，它是最成功、最普及的C端产品之一。不过，视频维度的信息输入可能为输入法打开了新的商业空间大门。

百度输入法AI探索版的拍立活、秀场，需要平台提供特定的元素配合。百度海外输入法曾经与超级IP《变形金刚》系列首部独立电影《大黄蜂》联手推出“大黄蜂”系列主题贴图和AR表情，此外，还与Hello Kitty、小黄鸭、小王子、格林奇等全球100余个知名IP达成合作，推出IP皮肤和表情。

在此基础上，百度输入法针对海外用户还设计了本地网红合作推广等定制化传播，而这，可能就是搜狗输入法等产品一直梦寐以求的变现路径，有了B端合作的可能。