AI时代需要怎样的输入法？解构讯飞第11代输入法五大亮点 _云知道

智东西（公众号：zhidxcom）
作者 | 杨畅
编辑 | 漠影
你试过15分钟写3000字吗？
除了知识储备和灵感之外，码字速度同样是一个作者重要的必杀技。作为一位作者，剑飞最常用的码字神器就是讯飞输入法的语音输入功能，他还曾经尝试过用讯飞输入法日更15万字。
输入法虽然是人们使用手机、电脑等智能设备的必备工具，但大家在平常被问到最常使用的App是哪个的时候，很少有人会想起它。
不过随着越来越多AI技术应用到输入法中，输入法逐渐从工具性产品发展成服务性产品，变得更贴心了，像讯飞输入法中的中英文混合输入功能、AI助手提供的AI校对、AI斗图等等，为用户提供了更个性化和场景化的服务。
今年是讯飞输入法推出的第11年，每年都会升级一个大版本的讯飞输入法，在11月3日发布了今年全新升级后的输入法：讯飞输入法V11.0 。第11代讯飞输入法有五大亮点变化：AI语音升级、AI助手升级、AI键盘输入升级、AI表情升级和输入法App UI、App内社区改版。

具体新升级的讯飞输入法能给用户带来怎样不同的输入体验，这些升级背后讯飞输入法又融入了哪些独有的AI能力？
为此，智东西对话科大讯飞输入法业务部总经理程坤，在解构讯飞输入法五大新亮点的同时，进一步解开讯飞在AI赋能输入法方面的逻辑和思考。
一、语音输入进化，应对中英文夹杂、嘈杂街头考验近几年随着语音识别等相关的技术的发展，越来越多用户开始使用、习惯语音输入的方式。不过，相对于拼音输入和手写输入来说，语音输入还有比较大的局限性，其中最大的一个局限性就是容易受到周围环境的影响，比如说高噪声、多人说话的嘈杂场合等，如何保证一个比较好的识别效果是需要重点去突破的技术难点。
程坤谈到讯飞从启动深度学习语音识别研究以来，一直在优化迭代其语音识别模型框架，从DNN到RNN到DFCNN再到Encode-decode，不断提升语音识别的效果，进而保证讯飞输入法语音输入等讯飞语音相关产品的功能持续优化。
受到人耳具备的听觉选择性注意能力的启发，讯飞提出复杂场景下的前后端一体化语音识别框架TFMA（Temporal feedback end-end multi-channel ASR）框架，将原有的语音识别过程进行重构。

传统语音识别系统
传统的语音识别是首先通过声学模型将声音进行过滤，得到特征信号，通过第一道识别引擎把这些特征转化成如发音信息等音素，然后结合语言模型将语音转化为文字。
在这个语音转文字的过程中，如果背景声音是有多个人在同时说话，使用传统语音识别系统是没有办法将这么多声音过滤掉的，进而影响了输入法语音识别的准确性。
目前，讯飞做了一些创新，高效利用多通道语音输入，比如新发布的这个TFMA语音识别框架可以解决复杂场景下的语音识别问题。该方案的技术创新点在于采用前后端联合建模、优化的方案，形成一套自下而上与自上而下互相结合的流程，同时还引入大量的专家知识，结合神经网路网络与传统信号处理的优势，保证了系统的鲁棒性。

TFMA语音识别框架
通过运用TFMA语音识别框架，包括讯飞输入法在内讯飞的软硬件产品大大受益，这些产品在高噪声、多人说话、轻声说话等复杂场景下的语音识别能力再次提升，特别是-10分贝至-15分贝等恶劣场景下的识别由不可用变为可用甚至好用。