搜狗输入法全面AI化，语音输入时代已开启

在人工智能的时代，输入方式也迎来了新的定义。

1月27日，拥有数亿日活用户的搜狗输入法宣布全面拥抱AI技术。在其最新发布的20.0 AI大版本中，AI语音、AI翻译与AI打字三大核心模型均实现了显著升级。

在打字功能上，新版不仅大幅扩充了词库，提升了对用户意图和上下文的理解能力，还针对医生、律师等专业人士，提供了AI定制化服务。例如，专业词条快捷输入、法律条款和用药说明的快速查询等。在翻译功能上，新版本能够实现30多种语言的输入即译，并同时支持文本与语音两种形式的转换。

AI语音是本次升级的重中之重。基于自研的AI语音大模型，新版在语音识别的流畅性、整体准确率以及方言识别准确率方面均有显著提升。此外，新版还创新性地推出了“口语转书面语”以及易混音修正功能，针对语音输入中常见的“他她它”、“的地得”等同音字问题，提供了智能备选和替换方案。

图片来源于腾讯

语音输入之所以备受重视，是因为它正逐渐演变为一种主流的交互方式。腾讯搜狗输入法大模型产品负责人柴宝全在接受采访时表示，搜狗输入法的AI用户规模已经突破一亿，日均语音使用次数接近20亿，其中年轻用户占据了相当大的比例。

语音输入是互联网输入法诞生20年来，最重要的一次交互革新。过去的语音输入更像是一种辅助工具，对同音词、语气词、方言等语音的辨别能力较差，用户常常需要停下来手动修改。但在大语言模型诞生之后，AI具备了上下文理解能力，能够主动预测用户的输入意图，其应用场景已覆盖日常沟通乃至部分轻办公领域。

在海外，已经不乏成熟的语音输入产品，例如来自新加坡的Typeless，以及由硅谷创业团队打造的Wispr Flow。它们的核心功能都是将语音实时转换为文字，主要面向核心办公人群，主打高效的生产力场景。据产品介绍，Wispr Flow的输入效率比手动打字快3到4倍，并且能够准确识别和自动编辑，最新版本声称在约80%的情况下，用户无需手动修改。

Wispr Flow产品功能示意图

在国内，一家来自武汉的创业公司也推出了类似产品：“闪电说”。这是一款端侧优先的AI语音输入法，能够利用本地语音模型实现毫秒级识别，自动理解语义，智能过滤口语化表达，做到比键盘输入快4倍的高效输入。由于数据保留在本地，它还能在更大程度上保护用户隐私。

互联网大厂同样在押注语音输入。除了搜狗输入法之外，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，也更具有生态及流量优势，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。

作为一种互联网基础设施，输入法正在被各大公司重新审视并提升战略地位。其背后的逻辑在于，输入行为几乎是所有互联网交互的开端，通过高频的用户互动可以掌握大量用户意图数据，并且它天生横跨所有应用。正因如此，输入法也被认为是未来AI智能体的雏形。此前，腾讯就已经尝试将输入法与AI搜索结合起来，发现用户使用频率得到了明显上升。

不过，现阶段的语音输入尚未进化到终极形态。柴宝全认为，语音无疑是一种重要的输入方式，它一定会继续增长，但不能因此忽略了打字的重要性。至少在硬件交互方式被完全颠覆之前，打字仍然是一项非常核心的能力。用户的目的是获得一个最好的输入结果，而实现这一目的的方式可以是多样的，语音也不一定是唯一选项。

“Wispr Flow就是一种非常理想的形态吗？不见得。它还需要更多的时间去演化。现在很多AI编程工具没有键盘，但这并不意味着AI编程就不需要键盘了，可能只是在短期内还没有足够好的语音键盘解决方案。所以，输入法的演变形态，我们才刚刚看到令人兴奋的开端，距离仅靠一个麦克风就能搞定一切的终极形态，还有很长的路要走。” 柴宝全这样说道。

但语音输入无疑是值得尝试的方向。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，或者开车等腾不开手的时刻，因此在新版本中重点提升了轻声输入的识别准确率。

“从2011年到现在，可以看作是语音输入发展的上半场，核心是‘所听即所得’。而语音输入的下半场，更应该是一种角色转化，端到端地实现用户表达和创作诉求，这将是我们努力的方向。”柴宝全总结道。