前面在微博上和朋友聊到语音输入法的事情，其实我算是国内最早一批尝试语音输入法的用户了，算是比较真切见证了语音输入从鸡肋功能，蜕变为AI时代高效交互方式的全过程。
大约是90年代末（具体时间记不清了），我就接触过IBM ViaVoice这款初代语音输入工具——应该是同学家里买电脑时送的软件吧！（图1）现在回想起来，当时的使用体验堪称繁琐低效。首先，它先需要用户花费大量时间朗读专属文本训练口音（从几十句到上百句不等），适配个人发声习惯；其次，使用时全程需要手动口述逗号、句号、换行等标点符号（你可以想象一下，我说完一句话后还要自己喊出‘句号’的尴尬感）；第三，即便完成繁琐的训练，实际的识别准确率依旧很差，错字漏字频发，修改成本极高。所以在尝试了一段时间后，最终我只能彻底放弃语音输入；
IBM ViaVoice
移动互联网兴起后，讯飞输入法成为语音输入的新选择，我也第一时间更换体验（2011年末，图2）。相较于老旧的IBM ViaVoice，它的云端识别能力确实有了质的提升，无需复杂的口音训练，开箱即用，适配手机移动端的输入场景。但现在回想起来，早期讯飞的短板依旧十分明显，当时的语音识别仅停留在机械转录层面，没有智能优化能力。日常说话的“嗯、啊”等语气口头禅会被完整录入，无法自动过滤，同时也会出现断句混乱、字词识别偏差的问题。
讯飞语音输入法
所以，每次语音输入完成后，我还是需要花费一定的时间逐字删除语气词、修正错字、调整语句语序。一番修整下来，整体耗费的时间和精力，似乎也没有比直接手打键盘快多少。所以最终我再次回归了传统打字模式，语音输入只作为一个不方便打字时的辅助。
直到AI大模型普及，我开始使用豆包输入法的语音输入功能，才真正颠覆了我对语音输入的固有认知（图3）。
豆包输入法
毕竟，当下早已进入AI交互时代，我已经不再只是简单打字记录文字，而是日常较高频地和AI对话、打磨文案、梳理思路、生成内容，持续的双向沟通成为常态。在这种场景下，传统打字的效率短板被无限放大——人的思维连贯且飞速，即使我的打字速度飞快，但依旧远远跟不上大脑的构思节奏。如果因为打字速度而频繁打断思考逻辑，那么我和AI的交互就会变得割裂又低效。
好在依托AI算力加持，如今的语音识别准确率大幅提升，完美适配高频AI交互需求，绝大多数场景下几乎无需纠错。而且系统可以智能过滤我的“嗯”、“啊”、“这”之类的口语语气词、自动精准断句、匹配标点符号，输出的文本整洁通顺，仅需简单微调即可使用。每一次当我看到输入法“明明出了一个同音的错别字，但在完成输入时又被ai自动校正成正确文字”时，那确实是有些震撼的！所以，我目前在手机上已经以语音输入为主要输入方式，仅在公共场合、深夜等不便出声的场景，我才切回到传统的九宫格输入。
千问输入法
不过，这篇文章并不是豆包输入法的宣传软文，因为它目前除了手机端外仅有Mac而没有WinPC版本（真不知道他们在磨蹭什么）。而豆包的竞争对手千问也已经推出了自家的输入法，且似乎还有更强大的ai排版整理功能（图4）。嗯，那就看他俩谁先出WinPC版本了，反正目前我可没有什么AI忠诚度，谁好用我立马就换谁！（笑）
热门跟贴