“那个项目进度怎么样了？明早开会要用。”
领导在周末晚上十点发来消息。其实你对项目很清楚，但实在不想翻几个群找聊天记录，看研发进度，还要确认方案做到哪一版了，然后整理思路，再琢磨措辞。打字只用花几秒，但在打字之前，你得花上十几分钟准备。
这十几分钟，正是讯飞输入法团队在追问的事：语音输入已经 1 分钟400 字，用户为什么还是会在输入框前停很久？
针对这个问题，10月22日，在科大讯飞全球1024开发者节期间，讯飞输入法发布16.0，推出“意图成稿”。
用户只管说出需求，输入法来理解任务、整理信息、组织内容，把复杂的表达变成一句话的事儿。
面对同样的问题，你只要告诉讯飞输入法“整理xx项目目前的进度，预计什么时候上线，回复领导”。
AI智能体就会基于对需求的理解组织表达框架，结合其记忆的任务相关信息整理成文字，根据用户的表达习惯调整称呼和措辞，最后由用户确认发给领导。
整个过程只要几秒，输入法帮你全搞定。
昨天10月28日，是讯飞输入法发布的第16个周年日，我们和科大讯飞AI文娱业务群执行总裁、讯飞输入法总经理程坤聊了聊：历经16年迭代，在AI时代，输入法会是什么模样？
2010年，讯飞把语音输入法带到大众面前，原本需要一个个字敲出来的文字，张嘴就能完成输入。
这是整个行业里，输入方式第一次被真正改变。
程坤回忆，科大讯飞是以语音技术起家的公司，在语音识别领域积累了大量关键技术突破。2010 年移动互联网浪潮爆发，智能手机快速普及，麦克风成为手机的标配，语音输入的土壤就此成熟。
团队当时算过一笔账：如果每个人每天花30分钟打字，语音输入至少能节省20分钟；一个月就是10小时，一年就是120小时。如果输入法能服务1亿用户，每年节省的时间将达到120亿小时。
他们意识到，用户大量的时间被消耗在打字上，想要提高打字效率，已经不能再采取传统的输入方式。
于是，讯飞决定在传统输入法的基础上，做一款语音输入法。
16 年后的今天，讯飞输入法 16.0 正在推动语音输入从“识别准确”，向“帮用户完成表达任务”跃升。程坤介绍，讯飞根据语音输入从“听清”、“写顺”，走向“理解意图”的用户价值演进路径，将语音输入划分为“忠实记录”“表达成稿”和“意图成稿”三代。
无论什么样的环境、语种，优先把人说的内容原样转成文字，开口就能输入。
对早期语音转文字来说，够准才可用，准确率就是效率。
当年讯飞最早喊出“1分钟400字”，底气就来自于它是行业第一个把语音输入通用识别准确率做过98%的输入法。
“最开始，用户要的是打得出来。”程坤说，2010年，智能手机正在普及，但小屏幕上的拼音输入对很多人仍有门槛。讯飞团队当时的判断很朴素：说话是大多数人最自然的表达方式，输入法应该把这种自然表达变成手机里可以使用的文字。后来用户真正用起来，团队才看见更多问题：有人带着方言说，有人在地铁里说，有人只方便压低声音说，还有人一句话里夹着英文和行业词。
这些真实的用户诉求推动讯飞对“忠实记录”能力的持续升级。讯飞输入法16.0接入讯飞星火Spark-ASR-2.0语音识别大模型，支持202种方言、识别准确率从85%提升到91%。中英混合场景下，专业词、领域词的槽准率提升至80%。即使在嘈杂、轻声等复杂环境下也能准确识别。
比如出差途中，登机广播已经响起，用户还要给家里人发一句话。周围很吵，他压低声音说：“你帮我同家姐讲声，我带咗份 birthday gift 畀妈咪，keep it secret。”粤语夹着英文，识别结果仍然可以被核对和发送。
语音输入忠实记录的价值，不只是把字正腔圆的语音更快转成文本，而是让人不必迁就机器、随时随地都可以畅快表达。
不过，大家慢慢发现，有时候准确记录不等于用户想要的最终成稿。识别和成稿之间，常常还有“口语规整”和“语义修正”：人说话时会停顿、改口，也会带上“那个、嗯、啊”这样的语气词。如果这些都原样留下，用户还是得重新整理一遍。
语音输入的第二代：表达成稿，它保留用户真正想说，过滤多余的语气词、规范断句和标点符号，听懂语音输入过程中的改口澄清，自动修正前后矛盾的内容，输出逻辑通顺、定稿可用的文字，减少后续编辑。
比如，用户在路上给聚餐好友发消息，先说：“二十分钟到。”导航更新后又改口：“不对，导航显示十五分钟。”语音输入会把后面的修正理解成对前面内容的修改，最后留下准确的信息，而不是把两次说法都堆在一起。地点说错了，不用移动光标删除；时间改了，也不用退格重输。
程坤提到，这一阶段我们是希望语音省下来的时间不能又花在整理上。
讯飞公布的数据中也论证了这个判断，用户对于30字以上长句的直接采纳率提升了40%。
到这里，用户少做的是编辑。但前两代都有一个共同前提：用户已经想好了自己要说什么。
如果说“忠实记录”是解决“听见你说了什么”，“表达成稿”是解决“理顺你说了什么”，那“意图成稿”就是“帮你想好该说什么”。这也意味着，讯飞开始把目光移向用户开口之前。
意图成稿并不是从一个宏大的产品概念开始的。
它来自讯飞输入法16年对用户表达方式的持续洞察：用户怎样输入、在哪里被困在、什么时候难开口......
程坤透露，早在2022年底、2023年初，大模型浪潮兴起时，讯飞就已经开始探索大模型给输入法带来的可能性，最早落地了高情商沟通助手等AI润色功能。用户可以把一句话交给AI，让它更自然、更得体。用得多了，团队也逐渐看见，润色只是表达需求的一部分。
比如在恋爱场景中，团队发现用户的痛点常常不是“这句话怎么改”。关系刚开始建立时，很多人不知道如何展开话题：想主动说点什么，却不知道怎样自然开口；收到对方消息，也不确定该用轻松、明确还是含蓄的方式回应。
早期做法需要用户选择关系阶段、对象特点和表达主题，再把大量前置信息填进功能里。结果当然可以更贴合，但操作也变得复杂。
“用户不应该为了让AI帮自己说一句话，先花很长时间填写一张表。”程坤说。后来，团队开始尝试让用户直接用语音交代背景：现在是什么情况，想和谁说，准备完成什么事。语音把这些零散信息带进输入链路，智能体和表达技能再接着处理。
探索继续向前。2024年，讯飞输入法推出表达智能体平台，沉淀了超过 15 万位创作者创作出30万个表达技能，覆盖超过 1万个真实的表达场景。这些来自具体生活和工作场景的技能，让团队进一步看清：用户需要的，是帮助完成表达这整件事，而不只是改好其中一句话。
讯飞把表达的痛点划分为两类：一类是情况复杂、信息零散要花时间找全、理顺；另一类是不知道怎么说合适，怕说不好。
项目进度是一个典型场景。领导问“准备得怎么样”，回复的人得去找研发进度、视频版本和彩排待办。信息不是没有，只是分散在几个群里，还可能出现改过的时间和不同版本的说法。
在讯飞输入法16.0里，用户可以主动提供聊天记录、截图或文档，再说出任务：“按工作汇报整理给领导，突出进度和风险。”系统会从材料中提取时间、人物、进展和约束，区分已经确定的内容与仍待确认的事项，再组织成一段符合工作沟通场景的文字。
它不会把“视频初版已出、待审核”写成“视频已经完成”，也不会替用户承诺一个材料里没有的时间。事实边界要守住，最后的判断也要由用户完成。
对用户来说，意图成稿减少的是一串准备动作：少翻几次记录，少复制几段材料，少重新解释一次背景，也少从零开始搭一段汇报结构。
同样的麻烦也会出现在朋友约聚餐时或其他生活场景：有人不吃辣，有人海鲜过敏，有人要带孩子，还有人临时改了时间。聊天记录从选餐厅聊到八卦，又从八卦聊回出发时间，真正要发通知的人得重新捡出最后确定的地点、预算和每个人的安排。
面对不同的沟通对象，对话的语气、尺度、侧重点都要调整，面对亲友可以随性直白，对接合作客户要专业得体，和团队内部同步进展，又要简洁务实，越是重要的表达、越是字斟句酌怕说不好。
同事临时发来一项工作，直接说“没空”显得生硬，顺手答应又可能把周末搭进去；客户只回了一个微笑表情，很难判断对方是认可、保留还是希望继续修改；面对朋友和亲密的人，同一句话又不能沿用工作场景的口吻。
这类需求里，用户缺的是沟通策略，讯飞输入法沉淀的表达技能，正是在处理这类具体问题。把职场沟通、关系表达、生活安排中的经验变成可以调用的能力。意图成稿要做的，是让用户不必先到功能库里逐个寻找，而是在说出需求后，就能用上合适的技能。
这样的积累提供了方向，但要让它在一次日常沟通里真正好用，还需要跨过更多门槛。
程坤认为，今天意图成稿可以通过讯飞输入法直接为用户解决真实的表达问题，是其所依赖的基础同时成熟。
一是我们对用户真实需求的理解成熟：基于高情商沟通、恋爱军师和智能体平台的产品积累，团队开始知道，不同的人在不同关系、不同的表达里，究竟希望AI帮什么、帮到哪一步。
二是让AI键盘的交互形态成熟，真正做到用起来顺手。模型生成一段话只是起点，材料如何进入任务、偏好如何被记住、入口是否容易找到、结果能否快速修改，都会决定用户愿不愿意再用一次，而这是讯飞输入法 AI 键盘经历近四年迭代逐渐解决的问题。
“回复一条消息往往只有几秒钟，哪一环不顺，用户就不会用第二次。”程坤表示，“输入法场景和通用大模型产品不一样，我们不能依赖多轮反复对话调整结果，如果让用户来回修改，那还不如自己打字。”
这也是讯飞把AI能力放在键盘里的原因。成稿不必离开输入框，用户主动输入、复制或上传的内容可以形成任务级信息；明确授权后，表达习惯可以被记住；常用的技能、快捷功能和语录，可以放在技能坞里随手调用。
讯飞对AI功能的判断也比较克制：AI要出现在用户正在表达的地方，结果要能够直接使用。不是为了增加一个问答入口，而是为了让用户更快完成当前这一次表达。
意图成稿搭起的是AI表达的核心能力框架，但不同用户的日常诉求并不相同：有人高频写职场汇报，有人需要社交总结、生活备忘，也有人只想在游戏群里快速找到合适的表达。
在谈话中，程坤就提到了他最常用的一个功能：“技能坞”。它把常用能力放在键盘上方，让用户可以按照自己的日常需要安排。
讯飞没有把所有能力做成一个固定面板，而是把键盘上方的“技能坞”交给用户自己安排。根据自己的使用场景和使用频率，用户能自主挑选、自由拖拽摆放、灵活组合排序各个AI技能，决定什么功能放在显眼位置、哪些收纳起来。高频处理工作的人，可以把汇报、请假、文字排版放在手边；游戏和社交时，也可以换成更适合当下的表达技能。常用功能、智能体和语录的位置，由用户自己决定。
而随着大量AI能力接入键盘，团队也需要回答一个问题：AI究竟应该以什么身份出现，才能既帮助用户，又不替用户做决定？这正是Me与Her这组概念被提出的原因。
“在 2024 年的战略讨论中，团队第一次提出了‘Me’和‘Her’的双重定位”。
Me，是像我、懂我。它是AI键盘的底色，包含用户选择的外观、常用的功能、喜欢的表达技能，也包含用户授权后留下的说话习惯和关系上下文。它不一定总是以一个明显的角色出现，很多时候是在后台默默调整称呼、语气和表达方式。
Her，是辅助我、延伸我。它更像一个可以被交代任务的伙伴：理解用户想做什么，拆解任务，调用不同的智能体和技能，帮用户把信息理清、把内容组织起来，也在用户需要时提供陪伴和回应。
在一次“意图成稿”的完整流程中，用户说完需求后，Her会先拆解意图，由AI智能体逐个处理，再由Me接管润色校准，让Her产出的内容贴合用户本人，而不是千篇一律的AI模板。任务完成了，话还要像是自己说的，这两件事需要一起做到。
比如，同样是拒绝一项临时安排，面对老板、同事和朋友，用户习惯的称呼、语气和解释方式可能都不同。Her负责帮助处理这项表达任务，Me则结合用户授权提供的背景与习惯，校准最后的表达。
这种“懂我”仍然以用户的选择为前提。外观、功能、技能和表达偏好由用户定义；用户可以查看、修改和关闭记忆，也可以在发送前决定哪些内容保留。AI承担了更多准备工作，决定权依然在用户手里。
所以，AI键盘的关键不是替用户生成一段看起来很完整的话，而是把用户原本的意图放大出来。好的AI表达，不是替你说出完美的话，而是替你说出属于你的话。
这也是讯飞不把16.0定义成一个“AI聊天键盘”的原因。用户不是为了进入一个新的agent对话框，而是希望在原本正在沟通的地方，把一件事办妥。
答案是陪伴。
输入法是手机最高频使用的产品之一，它伴随用户和同事对接工作、和朋友分享喜怒哀乐、和家人倾诉日常、在社交媒体上创作和发表意见，见证着大量真实情绪的流动，天然拥有承接情绪价值的土壤。
程坤借用马斯洛需求理论解释这种价值延伸：当工具、效率这类底层需求被极大满足之后，用户会开始追求更高层级的情绪体验。对一个每天都要打开的输入法来说，好用之外，用户也会在意它带给自己的感受。而讯飞对这件事的探索，并不是从16.0才开始。
很早，团队就注意到，皮肤是仅次于打字之外的高频功能。很多用户会为喜欢的IP选择专属皮肤，在敲击键盘的过程中获得愉悦和慰藉。2020年前后，讯飞以皮肤为基础搭建社区，让用户发布、分享和使用彼此创作的内容。通过皮肤，团队意识到，用户除了希望工具好用，也希望它能表达自己的喜好和情绪。
后来，团队里年轻同事提出：能不能让喜欢的形象动起来，陪着用户一起输入？这个新的想法被团队采纳，讯飞推出了一个行业全新的内容品类“光标搭子”，让自己喜欢的形象随着文字出现、互动。从看着喜欢，变成了陪着打字，这一价值很快被用户的积极反馈验证。
讯飞输入法16.0，我们进一步加入互动玩法、交互彩蛋，融入亲密度等养成玩法，发布“键盘搭子”，让“搭子”的陪伴在屏幕空间进一步扩大，同时构建出时间维度下与用户的关系，将“陪伴”的价值进一步具象。
在讯飞看来，“陪伴”在其产品中的体现，并不是在输入法里附加一个娱乐功能，而是产品价值从“好用”向“懂我、像我、让我有一点情绪回应”的延伸。
回看整个输入法行业，赛道的重心一直在迁移。早期大家“拼词库”，比较拼音联想准不准、词库全不全、皮肤好不好看；再往后开始“拼语音”，比较识别准不准、方言全不全；到了AI时代，竞争又来到“拼AI功能”能不能为用户解决真实问题的阶段。
对讯飞输入法来说，意图成稿具有场景扩展的巨大空间。程坤提到，同样一套意图成稿能力，放在职场沟通、恋爱社交、日常沟通不同场景，用户的诉求、信息处理逻辑完全不一样。接下来的工作，需要落到这些差异里：什么时候介入，需要哪些信息，又怎样把结果交给用户确认。只有把具体场景做深，“一句话的事”才会成为更多用户的日常体验。
他判断，五年后语音输入会占据更核心的位置，无实体键盘的交互模式可能成为主流。早在2018年，讯飞就提出过“莫得键盘”的构想：键盘界面只剩下一颗语音球，大量输入工作直接靠说话完成。今天意图成稿的能力，会进一步放大这种交互——用户不必先把句子想完整，只要说出想完成的事，系统就可以理解并执行。
跳出手机和电脑，AI眼镜、大屏和各类穿戴设备也需要新的输入方式。未来的输入法可能与设备和操作系统融在一起，结合语音、视线、手势和视觉，成为接收用户需求、理解用户意图的一种底层能力。
AI正在降低一部分基础能力的获取门槛，但这不意味着长期积累可以被轻易复制。对讯飞而言，语音语义技术底座、16年对用户真实需求的理解、用户和创作者共同建立的内容生态，以及一支持续吸收新想法的团队，共同构成了产品持续引领行业发展、服务更多用户的底气。
16年一路走来，讯飞输入法每一代升级，都在回答同一个问题：怎样让用户更轻松地完成表达。
而输入法的意义，不是替人说话，更不是取代人，而是把省下来的时间留给家人和朋友，留给那些真正想说、也值得认真说的话。
热门跟贴