老羅推薦的訊飛語音,有這些 know-how | 雷鋒網公開課

據說，看了錘子手機發布會的人，印象最深的就是老羅演示訊飛語音輸入那一段（從視頻的第100分鐘開始）。很多人表示自己受到了深深的震撼。但「震撼」之餘，我們也應該冷靜下來，清醒地認識到語音輸入的春天，在科技史上已經來過 N 次了。究竟是什麼，讓2016年的語音輸入變得不一樣，讓訊飛的語音輸入變得不一樣？

為了解答這個問題，雷鋒網請來了訊飛輸入法產品總監，或者用時髦的說法「訊飛輸入法之父」，為大家解解饞。 雷鋒網雷鋒網雷鋒網

嘉賓簡介

翟吉博，訊飛輸入法產品總監。2009年以碼農的身份加入科大訊飛，2010年創建訊飛輸入法並擔任產品總監至今，參與了訊飛輸入法從0發展到4億用戶的全過程，曾經3天時間就寫出了訊飛輸入法的Demo，目前訊飛輸入法月活躍用戶超過1億。

背景介紹：

湖北黃岡人，畢業於上海交大

2009年，以碼農身份入職科大訊飛

2010年創建訊飛輸入法，並擔任產品經理至今

也許是最會寫代碼的產品經理

問答精華回顧：

Q1

雷鋒網：很多大公司的重要產品，起初可能只是幾個員工的小嘗試，比如 Google 的很多產品是這麼誕生的。那麼對於訊飛來說，做輸入法的契機是什麼，這個產品是怎麼誕生的？

訊飛翟吉博：關於訊飛輸入法的誕生，這裡給大家講一段故事。2010年的時候，當時我在訊飛研究院，我記得iPhone4發布的當天晚上，我跟我上級，就iPhone4做了一個討論，我們認為，iPhone上基於觸屏的全鍵盤輸入體驗，不太好。原因在於屏幕太小，而手指又像，一根蘿蔔那麼粗。經過腦暴，我們考慮到，把訊飛的語音技術結合到輸入上來。完了我就自己動手開始做，很快就出了一個demo，因為我原來是做過手寫識別，還有拼音的這個技術，所以這個demo也包含了，語音手寫還有拼音的功能。

這個demo拿出來給他老大看，他覺得，不能僅僅是做個demo，後面我們就對市場進行，研究和分析，寫了一個立項書，而且在公司層面也獲得了通過，其實我們組建幾人的小團隊在杭州封閉開發了三四個月，然後在10月28號，我們對外發布了第一個版本。

Q2

雷鋒網：外界看來，訊飛是一家toB業務為主的公司，做 toC 的產品，最需要突破的地方是什麼？

訊飛翟吉博：我認為最需要突破的地方，還是在思維方式以及配套的團隊體系方面。從面向行業客戶到直接面向消費者的，需要更多的去考慮用戶的需求。然後整個團隊的開發運營推廣的流程和體系需要重新構建。

在2011年的時候，訊飛，面向消費者成立了一個移動互聯事業部。現在，訊飛輸入法就在這個部門下面。我們部門其他的產品還有，靈犀語音助手（前身叫訊飛語點）、在幾年前iPhone上推出的一款叫訊飛口訊的，也風靡一時當時曾經，在app store的排行首位。訊飛輸入法的團隊，在這幾年也有一個很大的發展從最早，只有幾個人的，小的開發團隊，現在發展到包含了從前到後，完整的職能，一共接近二百人。

Q3

雷鋒網：訊飛輸入法早期的用戶群和使用場景有什麼特點？

訊飛翟吉博：我們早期的種子用戶，有個典型特徵都是偏極客的，他們對語音技術關注度比較高，有不少用戶提到他們原來在電腦上，就體驗使用過IBM的語音技術。然後他們，會全天候的，不停的來測試我們的系統，並且提出各種各樣的設想和改進意見。

Q4

雷鋒網：講真，這次訊飛的語音輸入法被老羅猛推了一把，你和你的小夥伴們是一種怎樣的感受？

訊飛翟吉博：其實我們事先真沒想到，老羅是以這樣的一種演示方式，足足給了我們這麼長的時間，從現場，觀眾的熱烈響應，還有網絡上的，熱烈反響，給了我們團隊充分的信心。

至於數據嘛，這個請大家看一下，app store的排行榜，短短幾天，我們現在已經在（免費）總榜上衝到了第三，在工具（免費）榜上已經，排在了第一。在華為，小米等應用商店下面，也看到很多用戶的評論，都是和老羅的發布會有關。

Q5

雷鋒網：一些懂行的人告訴我們，其實老羅在臺上演示的兩段內容輸入，還是非常有局限性的，說的幾乎都是常用語，換言之就是機器最容易識別的東西。裡邊沒有任何專有詞彙，中英混雜，同音字等等等等。你們怎麼看？

訊飛翟吉博：其實老羅現場也提到了在那樣的一個環境下做語音輸入的演示，本來就是一件很有挑戰的事情，因為環境的噪聲還有回聲的幹擾，對於技術來說，是比較困難的一個問題。另外大家可以關注到老羅的一個非常即興的方式，它的語料是很開放的，而且語速也很快。這種方式相比封閉的，比如說繞口令的，這種語料，難度其實大很多。

當然對於專有詞彙還有中英文混合這些，也會加大識別的難度。我理解老羅，也是想保證現場的效果，所以，在即興的語料上，沒有加大這方面的難度。

Q6

雷鋒網(公眾號：雷鋒網)：所以，語音輸入的春天真的又來了嗎？我們報導科技很多年，其實每隔幾年人們就會提語音輸入的突破，但到頭來會發現，路還很長，需要技術的突破也需要整個大環境的變化。你們在語音輸入的一線，講講你們的感覺吧？

訊飛翟吉博：那根據我們現在的理解，目前的語音技術的應用，可能還是主要分為這幾個場景：

• 第一個是在即時通訊應用裡邊。作為比較實用的就是把語音轉成文字；

• 第二個是語音搜索，他和前者的區別，更多的是一些關鍵詞的匹配；

• 第三個就是在類似siri這樣的語音助手中，做上下文的對話以及理解。

那其實我們輸入法在第一種應用，當中可以看到，整個的語音用戶佔比的發展趨勢，從最早的每天幾個百分點，到現在接近20%，有些語音用戶已經養成非常穩定的使用習慣，而且這個趨勢仍然在增長中。我認為這個比例現在還沒有到達，應有的用戶覆蓋。不過另一方面，我們認為基於手機這種觸屏為主的設備，語音不會是完全主流的，那在下一個萬物互聯和vr設備流行的時代，我相信語音技術的春天會，真正到來。

Q7

雷鋒網：語音輸入的技術突破有多大？給詳細講講。

訊飛翟吉博：從這幾年發展來回顧，語音輸入技術可以分為幾個階段：

第一個階段。在我們，10年剛推出的時候，整個的識別率是初步的達到了使用門檻，字正確率只有70%多還不到80%；

第二個階段。那隨著用戶越來越多積累了大量的數據，通過大數據的訓練來驅動，使得整個的識別效果穩步的提升，能夠到達90%出頭。

第三個階段。2012、13年的時候，那我們，使用了深度學習算法之後，再結合大數據的訓練，使得正確率又有了，更大的突破。

其實，老羅發布會上宣傳了97%這個數字，我們達到這個數字其實已經有一兩年時間了。

Q8

雷鋒網：訊飛的語音輸入強在哪兒？

訊飛翟吉博：首先要說，深度學習算法出來並相繼普及之後，對於安靜的環境下，日常的句子，大家的語音技術基本都達到了實用的水平。訊飛相對深入的地方表現在，三個方面：

第一，對於口音的適配。我們知道，在中國說普通話的口音是非常廣泛的，那對於不同的口音語音識別的效果，影響很大，訊飛對於各地的口音都有很好的適用，而且對於一些典型的純正的方言也能夠識別；

第二，對於抗環境的幹擾方面。比如說在開車的時候，如果開著窗戶，那個噪聲是非常大的，訊飛是目前通過國際大車廠測試唯一達到實用水平的，技術提供商；

第三，對於網絡的依賴方面。我們能夠提供在線和離線無縫結合的方案，而且在離線的識別上面，也達到了很高的識別效果。

Q9

雷鋒網：講一個你和你的小夥伴得意的，關於產品細節的思考吧？

訊飛翟吉博：還是說一下剛才提到的關於在線離線無縫結合的方案吧，那其實我們剛開始推出離線語音的時候就考慮到，在線語音的優勢是足夠精準，離線語音的優勢是比較可靠，我們能不能在用戶網絡不太穩定的時候，能智能地做一個識別和判斷，把兩者的優勢有一個很好的結合，所以我們現在在產品上，會實現一個從在線到離線智能切換的策略，這也算是一個比較貼心的細節。

Q10

雷鋒網：iPhone 平臺和 Android 平臺，在產品設計上，有怎樣不同的考慮？另外，那個牌子的手機更能發揮訊飛的語音能力？

訊飛翟吉博：首先考慮的是在視覺和交互的規範上，我們會遵循iPhone和安卓系統特定的規範，比如說在iPhone系統上保留的地球鍵，又比如說視覺的風格，這些我們不會，強制去做，兩個平臺的完全統一，其次也要考慮系統的能力和特性上的區別，比如說iPhone系統對於輸入法鍵盤的錄音權限做了限制，所以我們現在迫不得已也只能採用，跳轉的方式來實現語音輸入，當然iPhone也有它的優勢，比如我們可以利用3d touch，來實現利用輸入法鍵盤做很方便的光標移動，這個功能在需要定位修改文字的時候比較方便。

語音輸入對於不同手機來說，更多的是看錄音質量的區別，現在很難籠統地說哪個牌子的手機效果好基本上，採用了雙mic或者是多麥克，然後降噪效果做的不錯的手機，對語音輸入效果都有很大的幫助。

Q11

雷鋒網：語音輸入若想起到更大的作用，被更廣泛地使用，你覺得還應該在哪些方面有所突破？

訊飛翟吉博：首先，在市場教育和用戶習慣培養方面，我覺得羅老師給了我們很好的啟發，比如說從大家比較熟悉的，用微信發語音的場景，讓大眾明白通過語音輸入文字和直接發語音的區別。

另外，在產品和技術本身，我們覺得在個性化方面有很大的發展空間，因為現在每個人或多或少都有獨特的發音習慣和用詞習慣，未來的語音輸入可以為每個人量身打造越用越好，我們現在已經在輸入法裡，通過個人帳號實現了，通訊錄人名和定製詞庫的個性化識別，將來還將實現，更深入的個性化功能。

Q12

雷鋒網：最後分享一下你的語音輸入使用習慣吧？

訊飛翟吉博：我個人使用語音的過程，也大概經歷了幾個階段，可能也代表了不少用戶的路徑。

第一個階段。主要還是在克服自己的心理障礙，一開始總是覺得用語音對著手機說話，感覺有點傻，只敢一個人的時候用。

第二個階段。那後面在大街上也經常看到有人用對著微信發語音，好像大家也習以為然了，所以心裡的障礙慢慢的有所克服，這個階段更多的是對語音識別效果的調校，自己想想怎麼樣能說得更準，而且怎麼樣能有一些方面的修改。

第三個階段。也就是現在的階段，可以說已經達到一個老司機的水平了，可以相對比較得心應手的使用，特別是在移動的狀態下，基本上就靠用語音了。

---

【唯物】開通讀者交流群啦！如果你對相關話題感興趣，歡迎入群切磋。入群方式：添加微信LF-gkk，備註個人信息附上【唯物】，審核通過之後我們會拉您入群。唯物公眾號 okweiwu。

雷鋒網原創文章，未經授權禁止轉載。詳情見轉載須知。