為什么很牛的訊飛輸入法今天才火，還得靠羅永浩？

錘子M1手機發(fā)布會結束之后，M1系列手機能否在諸多強敵面前成功突圍眼下還不明朗，然而，多次被老羅推介的輸入法，訊飛輸入法卻意外地火了起來卻是事實。

在發(fā)布會之后的幾天，這款輸入法甚至成功登頂了AppStore 免費榜，老羅可能不是一個好的產(chǎn)品經(jīng)理，但是，老羅一定是一個好的銷售?？瓷先?，訊飛輸入法團隊過去幾年折騰的效果，還不如老羅三小時發(fā)布會上的賣力推介。要知道，這款輸入法最早的版本可追溯到2010年10月。

在這場發(fā)布會之后，我以及朋友圈中的不少朋友，都下載了訊飛輸入法，體驗之后大家的答案是類似的：wow，驚艷、震驚、激動。大家之前沒有想到語音輸入法的識別率可以做到今天這樣的程度，在噪音環(huán)境比如大馬路上，哪怕你的普通話不是很標準，它依然可以準確地識別。

它還支持粵語、四川話、東北話、河南話、河北話、閩南話、客家話、貴州話、云南話、湖南話、山東話、山西話、陜西話、江西話、上海話、天津話、南京話、武漢話、合肥話等方言。甚至還可直接將你的語音實時地轉化為日語、韓語、英語，或者反過來，這在我們出去旅游時與歪果仁交流會很方便。

更讓人驚喜的是，它可識別一大段一大段的語音，并且自動斷句，加上標點。這一點還不夠理想，有時候斷句會出錯，還有總愛加感嘆號。

整體而言，訊飛輸入法已完全具備實用性了。

這段時間我一直都在用訊飛語音輸入法，尤其是在走路的時候，在邊吃飯邊玩手機的時候，在躺著不愿意打字的時候。如果我不告訴聊天對象，對方不大可能察覺出來我是用語音而不是用鍵盤敲的字，簡而言之：這款輸入法的智能程度，已經(jīng)順利通過了圖靈測試。

語音輸入不是第一次“火”。

2011年，iPhone 4s面世，這是喬布斯的遺作，雖然是由庫克發(fā)布，但這款手機從最初構想到最后設計均是喬布斯在主導，它最大的亮點就是引入了語音助手Siri。在這之后，Google Now被加入Android，國內(nèi)也掀起了一陣子“中國Siri”潮，科大訊飛是玩家之一，除此之外還有小智360、蟲洞，以及搜狗、百度等玩家，科大訊飛的投資者中國移動也湊熱鬧找訊飛定制了“靈犀語音助手”。

記得2012年前后，我安裝了不少語音助手，還有輸入法，并且在室內(nèi)將它們進行對比，雖然略有差異，但都讓人十分失望——識別效果太差，尤其是在我普通話不夠標準的情況下。

2013年我有幸受科大訊飛邀請去他們位于合肥的總部進行了參觀，在他們的體驗廳我感受到了科大訊飛在語音領域的扎根之深，那時候科大訊飛還是兩條腿走路，一邊是做教育等行業(yè)解決方案，主要收入來自于B端，一邊已開始布局輸入法等C端產(chǎn)品，具體可看當時的文章《科大訊飛，站在十字路口》。

2014年再次去科大訊飛時，發(fā)現(xiàn)他們已在重點關注物聯(lián)網(wǎng)、智能硬件等新型設備——這些設備看上去比手機更適合語音輸入，比如給電視換臺、讓汽車開窗。不過，直到老羅在M1發(fā)布會上介紹訊飛輸入法的效果之前，我都沒有想到語音輸入法能做到這個程度。

為什么這么好的產(chǎn)品，現(xiàn)在才火？

從技術層面來看，這幾年基于深度學習的人工智能技術，給語音識別帶來了全新的技術突破。

語音技術之前是基于規(guī)則，識別率做到90%要再提高一個百分點就非常困難。然而有了深度學習技術，基于機器學習對海量語音進行大量統(tǒng)計再不斷改進算法，讓語音識別乃至語義理解有了質變，準確率、抗噪力以及口音容錯性大幅提升。且支持更多方言，和翻譯變得更加容易——基礎模型不變，只需面向不同語言進行對應領域的算法優(yōu)化即可。

在2012年開始投入語音技術研發(fā)的百度就采取了基于深度學習的語音算法，Deep-Speech，百度首席科學家吳恩達曾對外媒表示這個技術在噪音環(huán)境下的識別能力比Google、微軟等公司的要好。今年年初，百度的深度語音技術被《麻省理工科技評論》評為“十大突破性技術”。當然，搜狗、以及訊飛的語音技術，同樣是基于深度學習技術。百度有百度大腦，訊飛則有訊飛超腦。

還有，語音交互的“引爆點”、人工智能的“引爆點”到來了。

每一項改變世界的應用背后，都是大量新型技術的交叉綜合應用，汽車涉及到機械、材料、能源等等，計算機涉及到芯片、存儲、硅材料、網(wǎng)絡、人機交互諸多技術，語音交互的普及則涉及到網(wǎng)絡、算法、數(shù)據(jù)、服務諸多方面，只要其中一項是短板，這個應用就不可能普及。如果這個短板被克服，這個應用就會被某些隨機元素引爆。

現(xiàn)在，語音輸入的算法（深度學習）、網(wǎng)絡(4G）、數(shù)據(jù)（云計算）瓶頸均已被消除。羅永浩則是訊飛輸入法隨機的“引爆點”，其背后卻是訊飛輸入法們的多年努力，涉及到技術、產(chǎn)品諸多方面，甚至4G網(wǎng)絡的普及都是功不可沒的：離線語音識別效果很差，在線則要有4G或WIFI網(wǎng)絡才具可用性。

Gartner 在2012年曾做過一個總結，一個完整的技術成熟周期包括：

1、技術萌芽期（technology trigger）

2、期望膨脹期（Peak of Inflated Expectations）

3、泡沫化的谷底期 （Through of Disillusionment）

4、穩(wěn)步爬升的光明期 （Slope of Enlightement）

5、實質生產(chǎn)的高峰期 （Plateau of Productivity）

在那份報告中，其預測語音會在2-5年走向成熟。

現(xiàn)在看來，Gartner的預測是正確的。

面向語音的研究可以追溯到上個世界五十年代，1952年貝爾研究所Davis等人研究成功了世界上第一個能識別10個英文數(shù)字發(fā)音的實驗系統(tǒng)。在此后的幾十年間進展緩慢，技術水平、計算能力和應用場景，都不成熟。由于場景的局限性，語音技術在PC互聯(lián)網(wǎng)時代并未大幅普及。主要應用在一些垂直領域例如呼叫中心、教育、電信和金融等行業(yè)，這段漫長的歷史應該是第1階段。

Siri面世之后，語音產(chǎn)業(yè)先后經(jīng)歷2、3階段。今天，語音已到第4階段、接近第5階段了。隨著Amazon Echo、Google Home、百度度秘、Siri以及訊飛輸入法的普及，通過語音與機器交互很快就會成為主流。

當然，我們與機器的交互方式從來不是單一的。今天蘋果在Siri、觸摸屏上發(fā)力的同時還在努力打造一個更好的利用手指交互的鍵盤：TouchBar。未來必然也是，不同的交互方式，適合不同的設備，不同的場景，甚至一個設備都需要多種交互，我們的手指、指紋、聲音、虹膜，能用到的都會用上。當然，一個大的方向是，我們與機器的交互將越來越自然，越來越簡單，越來越高效，正如馬云所言：未來機器不再是我們的工具，而是我們的伙伴。

訊飛輸入法今天才火起來，還有一個重要的原因，就是訊飛的低調。這家總部位于二線城市合肥的科技公司，缺少了一些互聯(lián)網(wǎng)范兒，正如其創(chuàng)始人劉慶峰在2013年所言：

從訊飛的移動互聯(lián)網(wǎng)的戰(zhàn)略中，我們也在不斷的反思，我們跟那些小的互聯(lián)網(wǎng)廠商比，或者跟更大的互聯(lián)網(wǎng)廠商比，都顯得我們的效益比他們高，真的不是我們做事速度沒他們快，而是沒他們那么會宣傳，沒他們會運作，當然在這個產(chǎn)品的迭代和推動中我們也還有很多要改善的地方。

所以盡管訊飛輸入法已經(jīng)坐擁3億用戶，在行業(yè)里面卻沒有形成很大的影響力，互聯(lián)網(wǎng)圈許多人都不知道，說到語音依然可能會聯(lián)想到Siri、百度甚至搜狗，而不是訊飛。不知道接下來，這家公司會不會有所改變？

生成海報

免責聲明：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確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。