跨越語音日均請求10億次的山和大海，百度輸入法的“平凡之路”

作者|魏啟揚  來源|智能相對論(ID：aixdlun)

2020年的春節(jié)假期因為新冠疫情給所有人來了個措手不及，大量“云”服務(wù)被激活，作為在線溝通工具的輸入法首當(dāng)其沖，成為特殊時期接受考驗的中堅力量之一，特別是語音輸入能力，更是成為用戶評價輸入法是否好用的重要維度。

近日，百度輸入法公布，自1月25日春節(jié)假期以來，百度輸入法日均語音請求量突破10億次大關(guān)，再創(chuàng)行業(yè)歷史新高。

在很多人看來，這只不過一個數(shù)字而已，但很多年后，我們再來回首，日均10億次的語音請求量或?qū)⒊蔀橥苿虞斎敕ㄐ螒B(tài)和操作方式變革的一個標(biāo)志。

01

10億次，必然是高流量和高標(biāo)準(zhǔn)的雙重滿足

回到百度輸入法日均語音請求突破10億次事件本身，我們需要回答兩個問題，為什么會產(chǎn)生如此高的數(shù)據(jù)流量?完成這樣的任務(wù)又需要具備哪些素質(zhì)?

第一個問題很好回答，上文提到特殊時期各種“云”服務(wù)被激活，線上溝通需求呈指數(shù)級增加，輸入法的使用頻率由此被抬升，此時比傳統(tǒng)鍵盤打字更快，還不用動手，更不用學(xué)習(xí)拼音、五筆這類輸入規(guī)則的語音輸入表現(xiàn)出非常大的優(yōu)勢，輸入法語音請求量刷新歷史記錄也就不足為奇了。

只是在創(chuàng)造語音請求新紀(jì)錄之前，輸入法需要解決自己的流量承受能力，畢竟日均10億次的請求流量不是一個小數(shù)字，好在經(jīng)受過“春晚紅包”考驗的百度是見過“世面”的，甚至還有很大余地接下更大的流量壓力。

第二個問題的核心關(guān)鍵在于輸入法不但要能用、好用還需要用戶喜歡用。

首先，在技術(shù)層面，準(zhǔn)確率是無法繞開的基礎(chǔ)門檻。

作為一種輸入方式，讓用戶愿意使用，首要滿足條件是準(zhǔn)確率，即精準(zhǔn)理解用戶的意圖并將其表達(dá)出來。

鍵盤打字輸入能夠成為主流輸入方式，很大原因在于用戶的一字一句被完全復(fù)刻，輸入結(jié)果精準(zhǔn)且高效。

相比之下，語音輸入需要經(jīng)過機(jī)器“識別”到“翻譯”再到呈現(xiàn)的過程，輸入鏈條被拉長，如果技術(shù)不夠完善，不但不能完成實時語音交互任務(wù)，而且只要其中任何一個環(huán)節(jié)出現(xiàn)問題，都會影響到最終的輸入結(jié)果，準(zhǔn)確度難以保證。

百度去年發(fā)布的流式截斷多層注意力建模(SMLTA)，則實現(xiàn)了中文在線語音識別的兩大突破：世界上首次實現(xiàn)了局部注意力建模識別精度超過全局注意力模型;世界上第一次大規(guī)模部署在線語音交互注意力模型。

也正是憑借著這一技術(shù)，百度解決了傳統(tǒng)Attention模型在識別中的時延性，以及因此導(dǎo)致的無法進(jìn)行大規(guī)模在線語音實時交互的問題，將百度輸入法在線語音識別精度提升了15%，超越行業(yè)最高水平15%。同時在離線語音識別方面，即使用戶處于地鐵、電梯、隧道或者人流密集等離線場景中，百度輸入法依然可以提供準(zhǔn)確率超過98%的語音輸入服務(wù)。

其次，在用戶層面，“懂你”比“給你”更重要。

準(zhǔn)確率是滿足用戶需求的基礎(chǔ)門檻，但這也只是解決了“能用”的問題，要想讓用戶愛用，并形成使用習(xí)慣，那就要求輸入法要“懂”用戶。

如何理解?

說話時口語化怎么辦?說話習(xí)慣中英夾雜怎么辦?說話有方言口音又怎么辦?這些情況下，輸入法都能識別清楚嗎?

很明顯這類說話習(xí)慣一旦養(yǎng)成，在短時間內(nèi)既難糾正，更難改變，特別是一些年長用戶，讓他們改變幾十年來形成的口音，基本是一個不能完成任務(wù)，這時就要求輸入法不能只是被動的向用戶提供自己的輸入能力，而要主動“遷就”用戶，“聽懂”用戶的意圖。

百度輸入法的“方言自由說”和“中英自由說”兩大功能就是這一產(chǎn)品設(shè)計思維下的產(chǎn)物。

前者是通過技術(shù)優(yōu)化，將普通話和六大方言融合成了一個語音識別模型，實現(xiàn)方言與方言、方言與普通話的混合語音輸入，這也使百度輸入法成為首個實現(xiàn)方言免切換語音輸入的輸入法產(chǎn)品。

后者可以在完全不影響中文語音輸入準(zhǔn)確率的情況下，實現(xiàn)高精準(zhǔn)中英文混合語音識別輸入。

在去年的百度AI開發(fā)者大會上，百度輸入法面對了一段高難度“Rap”識別挑戰(zhàn)：“你的這個新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這個詞，AI的value其實就是break barrier”。

這段中英混雜的文字，即便讀出來也需在腦中回旋許久才能領(lǐng)會意思，但百度輸入法在現(xiàn)場卻零誤差的識別出來了，不但準(zhǔn)確理解還根據(jù)語義進(jìn)行了正確斷句，并且以非常快的速度上屏呈現(xiàn)結(jié)果。

最后，在創(chuàng)新層面，總能給用戶帶來驚喜。

上文提到的無論是流式截斷多層注意力建模(SMLTA)，還是“方言自由說”和“中英自由說”兩大功能，都是百度輸入法的創(chuàng)新成果。很明顯，因為創(chuàng)新給用戶帶來體驗提升的同時，也帶來了愉悅與驚喜，并因此完成了用戶的拉新與留存。

偶然使用過百度輸入法用戶，體驗過創(chuàng)新功能后，由路轉(zhuǎn)粉;百度輸入法的老用戶，在經(jīng)歷了輸入法的持續(xù)迭代進(jìn)化，一直處于對下一次創(chuàng)新功能的期待中，進(jìn)而成為鐵粉。

目前我們看到的百度輸入法呈現(xiàn)在外好像只是單純的聲音到文字的轉(zhuǎn)換，但事實上，百度輸入法已經(jīng)成為軟硬一體、語音語言一體，識別和交互一體的復(fù)雜應(yīng)用。

綜上而言，達(dá)成10億次成就，除了有深厚的技術(shù)實力作為支撐和保障，還需有技術(shù)溫度，帶來“人情”，感知“冷暖”。

02

打開AI的魔盒，我們到底需要怎樣的輸入法?

我們注意到，隨著AI開始進(jìn)入工業(yè)大生產(chǎn)階段，輸入法的形態(tài)和模式也開始發(fā)生變化，從鍵盤打字輸入到語音輸入，我們看到的只是其中的一個表象，在AI的驅(qū)動下，輸入法正由內(nèi)向外在更多維度發(fā)生著變化。

在討論輸入法形態(tài)變化之前，我們需要理解輸入法進(jìn)化的原因。

首先，用戶需求和場景倒逼，鍵盤打字輸入已經(jīng)out了。

在互聯(lián)網(wǎng)時代，輸入法只出現(xiàn)在PC端，使用場景單一，輸入法廠商只需保證輸入結(jié)果的準(zhǔn)確和快捷即可具備較強(qiáng)的競爭力。

進(jìn)入移動互聯(lián)網(wǎng)時代，用戶使用的智能終端變多，使用場景也更加豐富起來，這就要求輸入法不光要適用不同終端的使用習(xí)慣，還需適應(yīng)不同場景的使用需求，因而在操作方式上不再局限于鍵盤打字輸入，語音輸入方式成為一個非常重要的能力被提煉出來。

像此次疫情，語音輸入方式除了場景倒逼之外，用戶希望更快、更便捷的輸入體驗升級，也推動著傳統(tǒng)輸入法做出改變。

可以預(yù)測，當(dāng)我們進(jìn)入物聯(lián)網(wǎng)時代后，還會有更多的輸入方式出現(xiàn)。

其次，擁有AI內(nèi)核的輸入法變得無處不在無所不能。

輸入法自身也一直在尋求進(jìn)化迭代，只是我們所說的輸入技術(shù)并非只局限于提高輸入法準(zhǔn)確性的基礎(chǔ)能力，而是通過AI技術(shù)的賦能，創(chuàng)新輸入法產(chǎn)品形式，讓用戶獲得更好的使用體驗。

像百度輸入法基于NLP、圖像識別、AR等技術(shù)，推出了NLP整句預(yù)測、AI斗圖、神句配圖、皮膚主體C位識別等功能，成為業(yè)內(nèi)首家實現(xiàn)多場景整句智能預(yù)測的輸入法產(chǎn)品;去年發(fā)布的AI探索版，還創(chuàng)新性的推出全語音交互的產(chǎn)品新形態(tài)和凌空手寫等領(lǐng)先的AI功能。

用戶需求和使用場景的變化，任何一個輸入法產(chǎn)品都能掌握，但能否根據(jù)這些變化做出應(yīng)對，則非?？简灝a(chǎn)品在“輸入”之外的能力。一為行業(yè)進(jìn)化趨勢的洞察力，一為支持產(chǎn)品迭代的技術(shù)儲備力。

03

踏上10億次臺階，百度開啟輸入法的生態(tài)空間

每天10億次語音請求交互是一個里程，也是一個臺階，一個邁向輸入法下個形態(tài)高度的臺階。對于百度輸入法來說，這個創(chuàng)造紀(jì)錄的數(shù)據(jù)則為其開啟生態(tài)空間的打法提供了基礎(chǔ)。

第一是用戶基礎(chǔ)。

在此之前，根據(jù)艾媒咨詢不久前發(fā)布的《2019中國第三方手機(jī)輸入法市場年度專題研究報告》顯示，百度輸入法去年全年月活增速處于行業(yè)第一，市場份額達(dá)43.1%，與搜狗幾近持平。

今年春節(jié)期間的語音請求交互流量的爆發(fā)，百度輸入法在完成了對用戶語音輸入普及和教育的同時，也因新型輸入方式帶來的體驗升級進(jìn)一步提升了用戶的粘性。

第二是內(nèi)容基礎(chǔ)。

當(dāng)用戶的基數(shù)足夠大的時候，為滿足用戶的個性需求，輸入法的內(nèi)容承載形式也出現(xiàn)了創(chuàng)新。

百度輸入法不但與Cherry、FILCO、ROG等近20家外設(shè)頭部品牌建立了輸入法行業(yè)的獨家內(nèi)容生態(tài)聯(lián)盟，與這些外設(shè)品牌共同推出旗艦仿真鍵盤精品授權(quán)皮膚，還與Cherry合作打造仿真鍵盤，在華為Mate30 pro上高度還原Cherry實體機(jī)械鍵盤軸的觸感。

可鹽可甜，輸入內(nèi)容的豐富既是用戶體驗的升級，亦是產(chǎn)品技術(shù)的升級。

第三是硬件廠商的合作基礎(chǔ)。

百度輸入法龐大的用戶基礎(chǔ)，也將順理成章的打通硬件廠商的預(yù)裝渠道，成為更多硬件終端的預(yù)裝應(yīng)用。

事實上，百度輸入法長期以來都是華為的預(yù)裝合作輸入法，二者在機(jī)型適配、輸入體驗的打造上已經(jīng)形成默契，很明顯，兩者的合作形成了雙贏的結(jié)局，這也給其他硬件廠商樹立了一個可以參照的典范。

可以想象，當(dāng)百度輸入法進(jìn)入越來越多的硬件終端時，結(jié)合其巨大的用戶基礎(chǔ)和豐富內(nèi)容，將構(gòu)建起一個充滿活力的輸入法生態(tài)。

由生態(tài)對抗單一的輸入法應(yīng)用，你可以將其理解為“搶跑”，也可理解為“降維”競爭，在輸入法的戰(zhàn)略布局上，百度又走在了前面。

編者按：本文轉(zhuǎn)載自微信公眾號：智能相對論(ID：aixdlun)，作者：魏啟揚