“ALL IN AI”后，百度更新输入法，语音识别技术创新高

2017年到2018年间，百度放弃了外卖体系的扩张，放弃了团购的横向发展，开始把公司的核心业务归纳到了人工智能，收缩产线后的百度，称得上是一家纯粹的互联网科技公司。百度没有横向扩展影视、也没有涉足游戏。发布的百度地图、百度知道、百度百科、百度输入法等等都是围绕着我们生活，和我们息息相关的产品。在享受着百度提供的科技便利中，百度再次给我们带来了一份惊喜：全新百度输入法业界首发，定义为一款全场景覆盖，全年龄段覆盖的输入法。

其实现在输入法已经有了不小的进步，像语音输入、语音转文字、甚至斗图，词语联想等等都已经是普遍功能。那么如何在这种普遍创新中，做出突破呢？这就要依靠AI技术来自动识别用户场景了。

百度输入法有哪些不一样的场景？

第一，离线语音，说实话语音转文字，困难点有二：①普通话是否标准。②汉语的上下文语义和语境的差异，也会导致相同发音也有不同的汉字。如何解决这两个问题呢？百度对于第一种场景给出的解决方案不是把普通话的识别度提高，而是支持28+种的方言和外国语种。对于第②种，除了把语音转文字的功底做扎实之外，还把语音输入法后端直接接入了百度大脑。我们都知道，百度AI大脑是目前人工领域的识别NO.1，百度在AI学习上，有着搜索引擎这个智能体系，使得新词汇、高频词汇以及冷僻词的识别，有一定的优势。

基于百度AI输入法解决了以上两种场景，百度又把语音输入搬到了线下。以上的语音识别准确率的提升，就需要借助于百度AI大脑这个大型服务器。一旦局限于网络环境，或者手机的网速，普通输入法的语音识别将大打折扣甚至只能识别一些简单的指令。而百度输入法则通过大数据的算法，把百度的语音识别库缩小存放到本地，要知道，普通的语音库存到本地可能需要上百兆甚至上G的空间，显然是不适合手机软件的，百度则只需要几秒钟就能在4G网络环境下离线好离线语音包。

第二、升级版的SMLTA模型

这里我们来从数据上来说一下百度输入法的准确率，在上面介绍的离线语音准确率，高于同行15%的准确率。那么根据识别算法，想要识别准确率高，就需要大量的算法堆叠。但是算法一旦上去，就意味着识别速度变慢，特别离线识别算法，需要依赖的不是百度大脑而是手机的芯片计算能力。百度AI输入法，则通过在前端加入了SMTLA的算法模型关闭百度输入法英文联想，这种模型相当于把语音识别截断为多层注意力，为业界首发。这种算法是前端算法，速度会快，经过实际测评，准确率在98%，只是略低于线上线下结合的模式。

第三、不同手机软件使用环境的智能预测

输入法都在提智能预测的概念，市面上目前的输入法能做到的就是，在输入前半段话的时候智能地预测到后半段，这样固然会方便一些。但是只能说这种智能只是“半智能”，真正的智能是像百度输入法一样的，在购物场景和聊天场景中，相同的前半段话，能够预测出来不同的后半段，这才是“真智能”。

第四、多人语音速记场景

语音输入法识别声音简单，但是识别声纹就不简单了，同样一个人说方言和普通都是这个人的口音，语音输入法在特定场景中，还存在着纪录不同的人发音的场景。多人会议，往往需要速记，而笔记速度不够，录音又要后期转化为文字耗时较长。百度输入法可以识别不同的人的发音，然后归列出来不同人的对话，以达到速记的目的。另外在办公室使用场景中还有一种轻声识别的场景覆盖，轻声细语就可以被识别成对应的文字。

第五、炫酷场景覆盖

手机键盘也能像PC键盘那样做成机械手感，这是很多使用者都“不敢想象”的使用方式。百度就做出来了几个模仿机械键盘样式和手感的皮肤。其中如果你的手机支持线性马达，那么百度也能够在模拟机械键盘上，模拟出线性马达是手感。当然少不了关闭百度输入法英文联想，各种青轴、茶轴等手感体验。

第六、凌空输入

VR来了，不知道有没有朋友想过这样的场景，假设未来的某天，我们都戴着VR眼镜或者头盔在玩游戏，如果需要文字输入要怎么操作？百度输入法提前为我们找到了解决方案：凌空输入。百度通过摄像头对手势动作的捕捉，来识别出用户“凌空输入”的文字。这点还是比较新奇的玩法，实现了全感官输入法。

综合以上来说，全感官输入的百度输入法其实在适合年轻人、办公族之外。还更适合老年人和小孩子，小孩子比较习惯使用语音输入，而老年人不适应小键盘和字母。基于以上创新百度，百度输入法的月活跃度和AI语音使用频次，占据国内输入法的NO.1，值得一提的是，语音输入法的语音识别体验中，百度语音的好评度最高。百度确实用技术做到了，让沟通无障碍。