搜狗输入法实现全面AI化，语音输入时代已到来？

在人工智能的浪潮下，就连输入法也需要重新进化一番。

不久前，拥有六亿日活用户的搜狗输入法正式宣布其全面进入AI时代。在其最新上线的20.0+ AI版本中，无论是AI语音、AI翻译，还是AI打字，三大核心模型均已得到全面提升。

在打字功能上，新版不仅大幅扩充了词库，提升了理解用户意图和上下文的能力，更针对医生、律师等专业人士提供了AI定制化服务。例如，可以快速输入专业词汇、便捷查询法律条文和用药说明等。而在翻译方面，新版能够实现30多种语言的即说即译，支持文本和语音两种输入形式。

AI语音识别无疑是本次升级的核心。基于自研的大语言模型，新版本在语音识别流畅度、整体识别准确率和方言识别准确率上均有显著提升。此外，还推出了“口语转书面语”功能，并针对语音输入中常见的“他她它”、“的地得”等易混淆问题，提供了智能替换和修正方案。

语音输入之所以备受重视，正因为它已悄然成为一种主流的交互方式。搜狗输入法产品负责人表示，其AI用户规模已突破一亿，日均语音使用频次接近二十亿，且用户群体趋向年轻化。这些数据直观地展现了语音输入的普及势头。

语音输入法堪称网络输入法诞生二十年来的最重要一次交互变革。过去，它更偏向于一种辅助工具，对同音词、语气词、方言等的辨别能力有限，用户需要频繁停下修改。但大语言模型出现后，AI具备了理解上下文的能力，能够主动预测用户的输入意图，足以覆盖日常交流甚至部分轻办公场景。

海外市场已有成熟的语音输入产品，例如来自新加坡的Typeless，以及硅谷团队打造的Wispr Flow。它们的核心功能都是语音转文字，主要面向核心办公人群，主打高效的生产力场景。据称，Wispr Flow的输入效率比手动打字快3到4倍，并能准确识别和自动编辑，在80%的情况下用户无需手动修改。

而在国内，一家来自武汉的创业公司也推出了类似产品：闪说。这是一款侧重设备端AI处理的语音输入法，能利用本地模型实现毫秒级识别，自动理解语义，智能过滤口语化表达，实现比键盘快4倍的高效输入。由于数据保存在本地，能在更大程度上保护用户隐私。

互联网巨头同样在语音输入领域押注。除了搜狗输入法外，微信最新推出的微信输入法、字节跳动力推的豆包输入法，以及大模型“六小虎”之一的智谱推出的智谱AI输入法，都将语音输入作为自身参与输入法竞争的核心标签。不同于走SaaS路线的Wispr Flow，互联网大厂的语音输入功能更侧重于日常交流，也更具备生态及流量优势，能够借助自有生态的深度整合来提供更加友好的跨应用联动体验。

作为一项互联网基础设施，输入法正在被各大公司重新重视。其背后的逻辑在于，它几乎是所有互联网行为的开始，并通过高频的用户互动掌握大量用户意图数据，且天生横跨所有App。正因如此，输入法也被视为AI智能体的雏形。此前，腾讯就曾尝试将输入法与AI搜索结合起来，发现用户使用频次得到明显上升。

不过，现阶段的语音输入还远未达到最终形态。相关负责人认为，语音无疑是一种重要的输入方式，它一定会继续增长，但不能因此忽视了打字的重要性。至少在硬件被完全颠覆之前，打字仍然是非常关键的能力。用户的目的是得到一个最好的输入结果，方式可以是多变的，语音也不一定是唯一选项。

“Wispr Flow是非常理想的形态吗？不见得。它还需要更多的时间。现在很多AI编程无需键盘，但并不意味着编程就不需要键盘，可能只是短期内还没有更好的键盘方案。所以，输入法的演变形态，我们才刚刚看到令人兴奋的开始，远远没有到手持麦克风就可以搞定一切的终极形态。”

但语音输入无疑是值得尝试的。搜狗输入法现阶段更多是围绕“快”和“准”来进行优化。例如，许多用户使用语音输入的场景是安静的环境，或者是开车等腾不出手的时候，因此在新版本中提高了轻声输入的识别准确率。

“从2011年到现在，可以看作语音输入的上半场，核心是‘所听得即所得’。下半场的语音输入更应该是一种角色转化，端到端地实现用户的表达和创作诉求，这会是我们努力的方向。”负责人这样说道。