原標(biāo)題：數(shù)據(jù)洪流下的語音輸入法，需要一副鋼筋鐵骨

能線上解決的就絕不見面，已經(jīng)成了疫情期間人際交往的頭號(hào)鐵律。

絕大多數(shù)溝通都轉(zhuǎn)移到線上，是一種什么體驗(yàn)？

最近百度公布的數(shù)據(jù)顯示，自1月25日春節(jié)假期以來，百度輸入法日均語音請(qǐng)求量已破10億次大關(guān)，再創(chuàng)行業(yè)歷史新高。

除了高流量帶來的沖擊，還需要應(yīng)對(duì)大量新增長尾群體，比如偏遠(yuǎn)地區(qū)人員、中老年人、少年兒童等等，諸多傳統(tǒng)場(chǎng)景的線上化，也讓使用頻率和形形色色的需求開始激增。

毫無疑問，疫情期間的特殊需求驅(qū)動(dòng)著輸入法行業(yè)迎擊新的挑戰(zhàn)，也讓百度輸入法這顆磐石浮出水面。

全民語音輸入浪潮，需要怎樣的技術(shù)進(jìn)行支撐？AI驅(qū)動(dòng)的輸入法又給社會(huì)網(wǎng)絡(luò)生活帶來了哪些變化，是一個(gè)智能時(shí)代背景下，值得思考的關(guān)鍵命題。

數(shù)據(jù)洪流下的語音輸入法，需要一副怎樣的鋼筋鐵骨？

一個(gè)輸入法而已，技術(shù)要求有那么高嗎？想得太簡(jiǎn)單了朋友，全語音交互的輸入法，和傳統(tǒng)輸入法還是有著本質(zhì)不同。

第一，語音輸入想要達(dá)到高標(biāo)準(zhǔn)輸入的水平，所面對(duì)的技術(shù)難題要比傳統(tǒng)輸入法復(fù)雜得多。

比如語音輸入勢(shì)必會(huì)出現(xiàn)環(huán)境噪音，如果算法不夠強(qiáng)，很有可能識(shí)別不清，還需要用戶手動(dòng)調(diào)整，大大降低產(chǎn)品的效率；

再比如，語音輸入需要實(shí)時(shí)轉(zhuǎn)換，又不能過多占用系統(tǒng)算力出現(xiàn)卡頓，這就對(duì)軟件的智能優(yōu)化提出了要求。

而百度輸入法之所以成為特殊時(shí)期人們的溝通首選，也得益于在語音識(shí)別上的技術(shù)優(yōu)勢(shì)。在2019年，百度輸入法在線語音識(shí)別準(zhǔn)確率相對(duì)提升15%，超越行業(yè)最優(yōu)競(jìng)品15%，才能抗住用戶對(duì)語音輸入的高標(biāo)準(zhǔn)、嚴(yán)要求，再次刷新業(yè)界紀(jì)錄。

第二，訪問量的激增也勢(shì)必會(huì)讓輸入法遭遇各種不同的網(wǎng)絡(luò)環(huán)境。

對(duì)于一些偏遠(yuǎn)地區(qū)或受天氣原因影響，導(dǎo)致手機(jī)網(wǎng)絡(luò)信號(hào)不穩(wěn)定時(shí)，聯(lián)網(wǎng)狀態(tài)不佳的輸入法就很有可能出現(xiàn)識(shí)別成功率低、識(shí)別速度慢等情況。

此前，大部分輸入法會(huì)借助離線語音包來彌補(bǔ)，但在體驗(yàn)上卻與在線語音相差懸殊，并不能解決廣大用戶的痛點(diǎn)。

這次全民觸網(wǎng)，百度輸入法就以離線語音輸入準(zhǔn)確率高于行業(yè)平均水平35%的優(yōu)勢(shì)，確保網(wǎng)絡(luò)不佳狀態(tài)下的用戶依然能夠順暢使用。

第三，越來越豐富的人口多元化、經(jīng)濟(jì)全球化趨勢(shì)，也讓輸入法開始應(yīng)對(duì)外語輸入、混合輸入等難題。

以前如果上海某CBD白領(lǐng)進(jìn)行辦公交流，如果要摻雜一些專有英文詞匯，往往需要反復(fù)在中英文輸入中切換，效率低不說，還經(jīng)常容易出錯(cuò)。

百度輸入法通過技術(shù)創(chuàng)新，在完全不影響中文語音輸入準(zhǔn)確率的情況下，實(shí)現(xiàn)了高精準(zhǔn)的中英文混合語言識(shí)別輸入。

在2019年百度AI開發(fā)者大會(huì)上，百度輸入法就當(dāng)場(chǎng)挑戰(zhàn)了零誤差識(shí)別中英文混合“Rap”——“你的這個(gè)新model效果比baseline好多少，探索技術(shù)的depth和scope是我們的責(zé)任，我很喜歡barrier這個(gè)詞，AI的value其實(shí)就是break barrier。”

在當(dāng)下的國際化、中英文日漸頻繁的互聯(lián)網(wǎng)交流語境中，百度輸入法獲得日均10億次的語音請(qǐng)求量，也就不足為怪了。

第四，如果說中英文識(shí)別考驗(yàn)的是技術(shù)深度，那么方言識(shí)別就考驗(yàn)著輸入法廠商的語料庫廣度與技術(shù)布局的前瞻性。

尤其是移動(dòng)智能開始向更廣大用戶下沉，越來越多的方言用戶也渴望通過語音更高效地交互，但不同于英文的豐富語料，精準(zhǔn)識(shí)別方言需要前期進(jìn)行大量的數(shù)據(jù)收集、標(biāo)注、清洗、訓(xùn)練、優(yōu)化等工作，加上中國各地方言數(shù)量多，其中還夾雜著各種小眾俚語，難度更是指數(shù)級(jí)上升。

而百度輸入法通過技術(shù)優(yōu)化，將普通話和六大方言融合成一個(gè)語音識(shí)別模型，實(shí)現(xiàn)了方言與方言、方言與普通話的混合語音輸入，讓用戶可以免切換就能“方言自由說”，free is not free（自由不是免費(fèi)的），人情味的背后則是百度輸入法技術(shù)人員的不懈努力。

當(dāng)然，在語音技術(shù)上完成業(yè)界頂級(jí)考驗(yàn)，似乎是百度這個(gè)“以AI為名”的科技公司的應(yīng)有之義。

而用戶的標(biāo)準(zhǔn)卻遠(yuǎn)遠(yuǎn)不止如此。我們知道，停課停學(xué)讓許多95后、00后也以前所未有的參與度加入了網(wǎng)絡(luò)大軍。

他們的要求可不僅僅是“聽得懂、聽得清、聽得快”，還需要炫酷好玩才能占據(jù)手機(jī)C位。

此時(shí)，百度輸入法的綜合AI實(shí)力就開始顯效，通過圖像識(shí)別、AR等技術(shù)的引入，讓輸入法得以擁有AI斗圖、神句配圖、凌空手寫、皮膚主體C位識(shí)別等超越語音、文字的特色功能，也成為業(yè)內(nèi)首家可以多場(chǎng)景整句智能預(yù)測(cè)的輸入法產(chǎn)品，成功俘獲了眾多“Z世代”用戶的心。

至此，百度輸入法開始讓“輸入”這個(gè)司空見慣的網(wǎng)絡(luò)沖浪動(dòng)作，開始向“全感官時(shí)代”邁進(jìn)。

不難看到，作為人與機(jī)器交流的直接媒介，百度輸入法能夠抗住特殊時(shí)期的數(shù)據(jù)洪流與挑剔眼光，依靠的就是支撐起體驗(yàn)質(zhì)變的“技術(shù)長城”。

千錘百煉：百度輸入法背后的“技術(shù)長城”是如何煉成的？

在明確了百度輸入法與技術(shù)支持之間密不可分的聯(lián)系之后，就不難理解其為何能托起日均10億次語音請(qǐng)求量的龐大需求。

當(dāng)然，在線訪問激增只是誘因，之所以能贏得這場(chǎng)無形戰(zhàn)爭(zhēng)，核心在于百度輸入法已經(jīng)構(gòu)筑起了一個(gè)固若金湯的技術(shù)長城，足以抵御外界洪流。

在此，可以將百度輸入法拆解成幾個(gè)核心構(gòu)件：

1.自研SMLTA模型的技術(shù)底座。

在國際上，我們常常會(huì)將百度與中國AI力量代表聯(lián)系在一起，它的技術(shù)能力到底強(qiáng)于何處，足以寫一部書來說明。

但支撐起百度輸入法與廣大用戶之間的緊密聯(lián)系，核心就在于自主研發(fā)的流式截?cái)嗟亩鄬幼⒁饬δＰ汀猄treaming trancated multi-layer attention(SMLTA)。

是不是每個(gè)漢字都認(rèn)識(shí)，但組合起來卻不知道是干嘛的？這是去年百度在語音技術(shù)上的一項(xiàng)重大創(chuàng)新，在全世界范圍內(nèi)，第一次將基于注意力技術(shù)的在線語音識(shí)別服務(wù)，大規(guī)模地應(yīng)用于輸入法產(chǎn)品，服務(wù)數(shù)億用戶。

截?cái)啵焊淖兞嗽镜恼渥R(shí)別建模，變成了局部一小段語音的注意力模型，比如將中文、英文、方言等截?cái)?，在保證主體精度不降低的同時(shí)，可以更有效地去識(shí)別其他內(nèi)容；

流式：簡(jiǎn)單來說就是用戶一邊說話，算法一邊根據(jù)上傳的語音數(shù)據(jù)來識(shí)別。好處是可以實(shí)時(shí)調(diào)整，減少延遲，從而避免了用戶上傳識(shí)別的較長等待。

多級(jí)：傳統(tǒng)的注意力模型面對(duì)的句子越長，對(duì)語音數(shù)據(jù)的特征選擇和匹配難度就越大，出錯(cuò)的概率也會(huì)更高。但SMLTA引入了多級(jí)注意力機(jī)制，讓機(jī)器對(duì)語音特征進(jìn)行層層遞進(jìn)的選擇，讓模型的識(shí)別率甚至能夠超越傳統(tǒng)的全局注意力模型。

這也是為什么，流式解碼中，機(jī)器只能接收部分片段，模型精度也往往會(huì)低于整句。但SMLTA就能做到，在邊說邊識(shí)別的前提下保持足夠的精準(zhǔn)度。

SMLTA模型的另一個(gè)創(chuàng)新之處在于，將CTC（一種語音識(shí)別算法）和Attention模型集結(jié)在一起，借助CTC的端到端訓(xùn)練，來輔助提高注意力模型的精度。讓注意力模型在自動(dòng)尋找每個(gè)字的大概范圍時(shí)，借助CTC來做截?cái)?，幫助它更精?zhǔn)地定位。

總的來說，SMLTA模型解決了兩個(gè)體驗(yàn)難題：一是滿足實(shí)時(shí)率，降低延遲，大幅優(yōu)化了用戶體驗(yàn)；二是提高離線與在線語音識(shí)別率，在行業(yè)中獲得全面領(lǐng)先。

這不僅僅是百度語音的技術(shù)制高點(diǎn)，也代表了中文語音識(shí)別技術(shù)躋身世界頂流的榮耀和貢獻(xiàn)；

同時(shí)，SMLTA模型在百度輸入法產(chǎn)品上大規(guī)模上線，服務(wù)中國數(shù)億用戶，借助云端智能實(shí)現(xiàn)了產(chǎn)業(yè)端的低成本落地，讓實(shí)驗(yàn)室技術(shù)得以真正賦能每一個(gè)人，這也成為百度AI產(chǎn)業(yè)化能力的佐證，也讓百度輸入法一躍成為AI語音技術(shù)落地的“領(lǐng)路人”。

2.AI技術(shù)的累累磚石。

當(dāng)然，完整的產(chǎn)品體驗(yàn)也需要完整的技術(shù)矩陣來支撐。如果說SMLTA模型“高舉高打”，奠定了百度輸入法的絕對(duì)差異化優(yōu)勢(shì)，那么AI技術(shù)的全面鋪開，就成了百度輸入法技術(shù)長城所必不可少的一磚一石。

比如，百度輸入法就利用深度神經(jīng)網(wǎng)絡(luò)對(duì)輸入文本進(jìn)行建模，打造出了智能預(yù)測(cè)功能。

它可以根據(jù)用戶的使用習(xí)慣，在已輸入詞語的基礎(chǔ)上進(jìn)行長句補(bǔ)全，大大提高了輸入效率。在游戲、聊天等場(chǎng)景中，只需要輸入開頭幾個(gè)字，比如“為什么”，百度輸入法就會(huì)根據(jù)前后語境自動(dòng)聯(lián)想，彈出“為什么不理我”“為什么不打上路”等提示，極大地方便了大家網(wǎng)上對(duì)話（對(duì)罵）有沒有？

目前“智能預(yù)測(cè)”已經(jīng)在微信、QQ、淘寶、王者榮耀、絕地求生等場(chǎng)景實(shí)現(xiàn)整句預(yù)測(cè)推薦，還可以根據(jù)不同應(yīng)用與不同場(chǎng)景，提供不同的預(yù)測(cè)。

再來說說其他AI技術(shù)應(yīng)用。

想要讓用戶將自己從畫面中完整地“摳出來”，做成AR表情，就需要圖像分割技術(shù)的支持，讓機(jī)器很好地識(shí)別出圖片內(nèi)容，進(jìn)而疊加上全景動(dòng)態(tài)素材，才能實(shí)現(xiàn)將人物置身于虛擬場(chǎng)景的效果。

2019年，百度輸入法的“AR表情”功能使用次數(shù)就已超過1億，可見基于AI的創(chuàng)新已經(jīng)在不知不覺中滲透進(jìn)了年輕人的社交語境當(dāng)中。

另外值得一提的是炫酷的凌空手寫。

如果說語音輸入是引領(lǐng)行業(yè)的操作，那么凌空手寫可以說是率先感受未來的。

百度通過雙神經(jīng)網(wǎng)絡(luò)模型——一個(gè)基于灰度圖的指尖跟蹤模型，另一個(gè)基于多方向特征文字識(shí)別模型，讓用戶只需要最普通的RGB攝像頭，就可以實(shí)現(xiàn)手在空中揮舞，輸入法就能精準(zhǔn)識(shí)別出來。

為了保證識(shí)別結(jié)果的連續(xù)和穩(wěn)定性，百度輸入法的研發(fā)團(tuán)隊(duì)還針對(duì)鋸齒和連筆在三維空間的手寫識(shí)別算法進(jìn)行了大量?jī)?yōu)化工作，并準(zhǔn)備大規(guī)模應(yīng)用。

可以說，百度輸入法又一次站在了行業(yè)橋頭，引領(lǐng)著產(chǎn)業(yè)技術(shù)迭代的方向。

等待百度輸入法補(bǔ)全的產(chǎn)業(yè)續(xù)曲

通過拆解百度輸入法的技術(shù)路徑，可以更為清晰地看到，在未來的一段時(shí)間內(nèi)，AI托起的技術(shù)盛景，將如何更好地推動(dòng)社會(huì)升級(jí)。

首先，語音技術(shù)在應(yīng)用端的想象空間被進(jìn)一步打開。

隨著大規(guī)模用戶習(xí)慣的養(yǎng)成，語音輸入等AI功能的落地也成為撬動(dòng)行業(yè)格局的下一個(gè)賽點(diǎn)。

艾媒咨詢《2019中國第三方手機(jī)輸入法市場(chǎng)年度專題研究報(bào)告》數(shù)據(jù)顯示，百度輸入法全年月活增速居行業(yè)首位，表現(xiàn)最佳。

其次，百度的技術(shù)本位，在輸入法產(chǎn)品上又一次被成功印證。

輸入法作為線上交互的入口，也是最能夠真實(shí)反映網(wǎng)絡(luò)狀態(tài)和現(xiàn)實(shí)趨勢(shì)的窗口。可以看到的是，AI與產(chǎn)品的結(jié)合，即將改變千行萬業(yè)的市場(chǎng)格局。

提升社會(huì)生產(chǎn)效率，恢復(fù)和持續(xù)發(fā)展經(jīng)濟(jì)，各行各業(yè)都離不開智能工具的支持。AI產(chǎn)品服務(wù)的用戶邊界也在快速擴(kuò)大，這不僅考驗(yàn)著科技產(chǎn)品廠商的技術(shù)高度，也要求在產(chǎn)業(yè)化落地上交付出成熟的解決方案。

從這個(gè)角度看，單日語音請(qǐng)求量破10億次并不是一個(gè)偶然事件，其背后連接的是百度AI技術(shù)體系的多年布局、輸入法產(chǎn)品的迭代方向、用戶需求洞察的敏銳視角，這些要素的迭代，才最終讓我們看到了這場(chǎng)技術(shù)領(lǐng)域的驚濤拍岸。

手握技術(shù)之權(quán)杖，才得見崢嶸歲月，無懼風(fēng)流 。

生成海報(bào)

免責(zé)聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準(zhǔn)確性及可靠性，但不保證有關(guān)資料的準(zhǔn)確性及可靠性，讀者在使用前請(qǐng)進(jìn)一步核實(shí)，并對(duì)任何自主決定的行為負(fù)責(zé)。本網(wǎng)站對(duì)有關(guān)資料所引致的錯(cuò)誤、不確或遺漏，概不負(fù)任何法律責(zé)任。任何單位或個(gè)人認(rèn)為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識(shí)產(chǎn)權(quán)或存在不實(shí)內(nèi)容時(shí)，應(yīng)及時(shí)向本網(wǎng)站提出書面權(quán)利通知或不實(shí)情況說明，并提供身份證明、權(quán)屬證明及詳細(xì)侵權(quán)或不實(shí)情況證明。本網(wǎng)站在收到上述法律文件后，將會(huì)依法盡快聯(lián)系相關(guān)文章源頭核實(shí)，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。