鲁达 语音输入的4大痛点
用语音输入取代打字，不是未来的趋势，而是正在发生的事实。不过想要做好中文语音输入法，难度是非常高的，当下中文语音输入有4大痛点。
第一，因为中文存在大量的同音字，不管你吐字多么清晰，总会有被误判的可能，所以极其考验算法的准确性；
第二，大多数语音输入法需要联网，才能正常运行，断网后识别准确率会大幅下降，不如直接打字更为可靠。
第三，平时说话偶尔需要夹杂英文，这时候输入法要同时识别中英文，容易出现误判。而且汉语的语种非常多，光是主要方言就高达15种，语音输入法很难实现面面俱到。
第四，中文语音输入法的准确率做到95%以上，就已经是顶级水准了，想要达到100%几乎不可能，最后还是需要略微修改一下，不可能完全脱离键盘。
一次很偶然的机会，让我开始尝试百度输入法的语音输入功能。毕竟百度是全球最大的中文搜索引擎，小度更是智能屏行业的领头羊。在中文搜索和AI人机交互这两大赛道，百度都是行业的领军者。
因此，百度输入法从一开始就被我寄予厚望。问题来了，最新版本的百度输入法，是否解决了语音输入的4大痛点？接下来分享一下我个人的体验。
正常念稿时的语音准确率
我认为中文语音输入法最关键的就是同音字的纠正，以及标点符号的标注。我用了两台手机，分别用百度和苹果原生输入法，两个手机同时测试一段语音进行对比。毕竟没有对比，是得不出客观结论的。
百度输入法非常精准的判断了我的意思，标题符号也在最适合的地方，数字会自动替换成阿拉伯数字，基本不用再修改。
苹果原生输入法出现了3个瑕疵：缺了一个“逗号”，“而”这个字没有识别到，“80”没有转成阿拉伯数字，上下文格式不一致。简单对比后，可以明显感觉到百度语音输入的使用感受更流畅。
千万别觉得这点差距无所为。总共才60个字左右就有三个瑕疵。这意味着你用十几秒输入的文字，也需要十几秒去改，这显然不能提高码字效率。日常聊天用用还好，拿来工作肯定不行。
断网时语音识别的准确率
可能很多人都不知道，语音识别技术如果需要较强的性能，需要用到的计算量、模型体积是比较大的，所以一般会放到云服务器上。因此，许多输入法的语音功能都要求联网才能使用，断网识别则会降低准确率。
而百度输入法支持离线语音功能，APP里自带离线语音识别模组，就算没有联网也能正常使用，同时语音识别的准确率也非常高，和它形成明显的对比的是搜狗输入法。我用两台手机分别使用百度、搜狗，开启飞行模式，同时识别同一段语音，结果非常有趣。
客观地说，搜狗输入法在联网状态下，语音识别率和百度是同一梯队。不过在断网之后，搜狗输入法的语音识别准确率就会大幅下滑。而且不是标点符号的断句出现问题，也不是漏字，而是直接识别成了别的意思——比如把“拼音”识别为“小艺”，“键盘”识别为“健康”。
相比之下，百度输入法就很稳定，离线状态下的准确率，和联网状态几乎没有区别。成熟的“离线语音”可以带来多方面的好处，比如可以适应各种复杂的环境，就算断网了也能用。对我而言，“离线语音”让我可以放心地用语音输入，去做一些安全性要求较高的编辑工作。
丰富多样的语种支持
中国地大物博，有多少地区，就有多少种方言。全国的普通话普及率才刚超过80%，还有很多人仍然在用方言交流。
为了让人与人之间的沟通再无障碍，百度推出了“方言自由说”功能，融合各种方言为一体，目前已经支持河南、四川、东北、山东、粤语、武汉、昆明等多种方言，使用时不需要切换语种。
好奇之下，我做了个小小的测试，选择“方言自由说”模式，先后测试河南话“俺要录个视频”、粤语“床前明月光，疑是地上霜”、四川话“这个火锅巴适得很”，百度输入法都能准确识别。
也就是说，百度输入法可以智能判断你说的话是否属于方言，并自动匹配最适合的模型，不需要自己动手去调。“方言自由说”功能，抹平了方言和普通话在发音、用词上的重大区别，让语音输入全面普及成为可能。
除了方言，百度输入法还可以实现“中英自由说”。简单测试了一下，它可以实现中英文同时识别，甚至可以“语码转换”，即当无法精确用中文描述某个概念时，就部分替换成英文来替代。
比如这段话：这个app的logo和slogan都超有feel的，你一定要感受一下。我尝试用中英文自由说来念这段文字，识别结果一字不差，算法非常精准。
要注意的是，“中英自由说”在离线状态下也是能使用的。之前我们提过，百度输入法在断网的时候，语音输入的准确率依然很高。我再次用这段话测试了一遍，结果是完全一致的，可用性非常高。
用语音指令去修改语音结果
根据iiMedia Research的报告，百度输入法的AI语音功能识别准确率高达98.6%，是业界最高。不过我们也能看出，由于中文的同音字、谐音太多，市面上的语音输入法，都很难做到100%完美，还是有继续提升的空间。
但是我发现，新版百度输入法给出了解决办法，那就是用“语音指令”去修改语音结果。这样一来，哪怕是语音识别结果出现偏差，我们也能不用键盘修改，单纯只用语音来打字了。
官方给出了多种语音指令，包括修改、删除、加字等等。
比如“语音输入的极限速度是一分钟400字”这段话，如果语音指令来修改，能精确到什么程度呢？对此，我先是在聊天窗口里进行了测试。
比如改字，我说了指令“小度小度，把语音改成说话”，结果“语音”这两个字真的改成了“说话”；然后是删除，我说了指令“小度小度，删除说话”，然后“说话”这两个字被删除了。
除此之外，我发现不仅仅是在聊天时，在APP的搜索框中，也能启用语音指令功能。比如我在某APP的搜索栏中，输入“百度输入法体验”，然后再用语音指令进行修改，结果依然是可行的。
比如加字，我说了指令“小度小度，在体验前面加深度”，这句话就被改成了“百度输入法深度体验”。也就是说，百度输入法可以智能识别输入场景，在需要用到的场景下，会自动开启语音指令功能。
我测试了一下，百度输入法绝大多数情况下都能使用语音指令，比如发朋友圈、发动态、APP搜索框、评论区留言等等。只有极少数APP是无法识别的，比如在Edge浏览器的搜索框里就无法开启。
百度输入法的体验总结
是时候该做个总结了，综合体验下来看，我觉得百度输入法的表现可以用四个字来形容：超乎预期。
首先，百度语音的识别准确率已经达到了高度可用的水平，标点符号的断句也十分准确；第二，百度在输入法里内置了完整的语音模型，就算离线也不受影响；第三，“中英自由说”和“方言自由说”这两大功能，让大多数人都能用上便捷的语音输入；第四，“语音指令”可以彻底解放双手，单纯用语音就能输出整段话，不需要用到键盘来修改。
百度输入法解决了语音输入的4大痛点，让“语音取代打字”正在成为现实。体验完之后，我开始明白为什么百度输入法是行业的领军者了——它的实力不是吹出来的，而是用实实在在的技术打出来的。
据艾媒咨询公布的《2021年度中国第三方手机输入法行业研究报告》，百度输入法市场占有率达到44.5%，月活用户达5.62亿，始终保持领先的地位。消费者的眼光是雪亮的，谁更好用大家心里都知道。
你用过百度输入法的语音功能吗？一起分享你的真实体验。