AI语音输入全面进步，BAT入局输入法，能否带来新体验？

阿里即将推出千问手机输入法

上周，《读佳》独家报道阿里千问团队即将推出一款手机输入法。不同于之前集成在千问PC端的桌面输入法组件，这次的千问输入法将是独立的手机APP。

BAT齐聚输入法市场

BAT（字节跳动、阿里巴巴、腾讯）都已入局输入法。微信输入法从两年前开始拥抱AI，今年围绕AI语音输入进行多轮重大更新。核心围绕语音输入的豆包输入法去年底率先上线手机端，半年后推出桌面端。千问上个月刚在千问PC端上线AI语音输入法，现在推出手机端也在情理之中，且产品核心围绕「语音输入」。

大厂为何重新做输入法

很多人疑惑，输入法早是成熟品类，九键、26键、双拼、五笔、手写等基本都有，搜狗、讯飞、百度等老玩家也经营多年，大厂真有必要重新做一遍吗？答案是有。两年前各大输入法接入大模型进行AI化尝试，塞入大量Chatbot上已有AI功能，但用户并不想使用塞满功能的输入法。而这一波「语音输入」返璞归真，回到「输入」方式和体验上，用AI再造输入法。

AI语音输入进步明显

一年之前，语音输入因识别效果问题容易劝退用户，只要错得频繁，用户就会重新拿起键盘。但现在情况改变，一方面是AI技术进步，语音识别和语言模型提升，很多豆包APP用户已体会到语音输入能满足AI交互输入要求。微信输入法从去年底iOS/Android端3.0.0更新开始，围绕「语音输入」优化迭代，最近一轮更新全平台版本再次升级语音输入大模型，支持自动去掉口水词、智能加标点/分段等特性。雷科技对豆包输入法、千问、搜狗输入法和Typeless四款桌面端AI语音输入工具做了横评，测试中豆包采用实时转写，基本能边说边出字，前面暂时识别错误的内容会随后文补充被修正；千问输出速度慢些，短文本需等待3到4秒，长文本等待5到6秒，但准确率、自然断句和口语规整表现不错。整体语音输入准确性大幅进步，覆盖桌面端和手机端。从个人使用来看，即便普通话不标准，大部分内容也能准确识别，错误识别频率低到不打断思路。大模型补上关键基础，现在的AI输入法开始理解整句话，能根据上下文纠正同音字，自动补标点、分段，去掉口头语，处理说话时的重复和自我修正。

语音输入优势明显

在AI技术进步基础上，语音输入优势诱人。首先是输入负担降低，打字需看键盘、选字、处理错别字，而说话更接近日常交流，尤其在户外走路时，差距更明显。效率优势也有研究验证，2016年斯坦福大学、百度等研究团队在实验室条件下比较手机语音和键盘输入，普通话语音录入速度约为每分钟123个词，拼音键盘约为43个词，前者接近后者的2.9倍。此外，语音输入（文字）比纯语音对接收端更「友好」，复杂输入时语音输入的效率和体验远优于纯语音，且打字和语音输入的错误都能方便修改。

豆包输入法仍有改进空间

豆包在中文语音输入、输出上优势大，在BAT三家中更早将优势转化到输入法的「语音输入」上，去年11月推出豆包输入法。但在「手机输入法」产品体验上，豆包输入法作为新兵有改进空间。对比微信输入法等成熟产品，豆包输入法虽基础功能、设置选项大差不差，有联想词推荐、剪贴板、验证码填充等功能，支持双拼，推出了桌面和手机双端，但缺少跨设备粘贴同步（包括个人词库、图片）和换机助手等功能。目前豆包输入法既没有微信输入法的匹配码机制，也没有其他主流输入法的账号体系。因此，仍主用微信输入法。

千问输入法值得期待

希望接下来上线的千问输入法APP有好的产品体验。千问在电脑端已证明语音输入优势，如果这些能力原样到手机端，千问输入法会有不错的入场券。但手机输入法不能只靠模型，手机和电脑的词库、常用语、剪贴板能否同步，语音启动速度，是否支持实时转写，长文本整理力度能否让用户选择，弱网和离线状态下能否稳定工作等，都影响输入法体验。技术提供可能性，最终用户体验要回到产品设计和细节上。前几年输入法AI化，很多产品从技术出发，把问答、翻译、写作、搜索和智能体塞进键盘，但输入法使用逻辑和AI聊天工具不同，用户唤起键盘大多只想快速写完一句话，能力可以很多，交互必须很轻，否则「全能」会变成臃肿。输入法是基础工具，有用和好用之间还有很多设计和细节。

大厂入局输入法的原因

字节、阿里、腾讯为何都来做输入法？从用户角度看不难理解。输入法离用户意图近，在微信聊天、淘宝搜索、钉钉办公、浏览器搜索、小红书评论、文档写作等场景，只要用户把想法交给手机，输入法就有机会出现，它能跨过几乎所有APP，是调用频率最高的系统入口之一。大模型加入让输入法能处理更靠近意图的内容，语音表达形式让入口获得更多原始信息。对于字节，豆包输入法可把豆包的模型能力带出豆包APP，进入更多场景；对于腾讯，微信输入法连接微信社交、搜狗输入法积累和混元模型，有现成用户和丰富中文交流场景；对于阿里，千问输入法有机会穿过电商、支付、地图、办公和内容创作，把千问从需主动打开的AI助手变成随时可调用的底层能力。语音输入已跨过「偶尔应急」阶段，但还替代不了所有键盘场景，办公室里不方便开口，密码和精确编辑仍适合手动操作，而在走路、快速回复和整理想法时，越来越不愿「古法手打」。那么，未来这些大厂的输入法能否给用户带来更好的体验呢？