重庆
当下AI时代，主打一个能动口就别动手。我从以前主要拼音打字输入，现在也越来越多用语音转文字了。尤其是现在大厂都在AI输入法上做文章，字节推出豆包输入法，阿里千问专为移动端打造的语音输入法CosyVoice也在近期上线。
那我就好奇了，AI输入法有什么不同？谁的语音识别更强、实操效率更高呢？
丨产品界面与语音入口对比
和我们过去常用的输入法不同，不管是豆包还是千问CosyVoice，它们都以语音输入为核心功能设计。不过豆包输入法兼顾了打字输入，键盘还是占据了主要位置，布局与传统输入法类似，只是语音输入的入口更显眼，长按空格键也默认为语音输入。
千问CosyVoice则是更加彻底的语音输入，主界面主要就是一个话筒符号，另外提供了一个切换键盘的按键，谁主谁副再明显不过。
左边豆包，右边千问CosyVoice（下同）
在语音输入转写的逻辑方面，两者也略有不同。豆包输入法是只要点一下话筒，一边说话一边实时文字转写输入，不需要再进行其他操作。千问CosyVoice则是按一下话筒－说话－再按一下，界面提示转写中，然后才会看到语音转写的文字。这个过程明显不如豆包方便快捷。
丨分场景实测，准确率大比拼
为了测试语音识别正确率，我准备了3个场景，分别是普通话、方言和英文。
首先是普通话，为了增加难度，选用了一段40秒的音频，这段话如果手打的话，至少要两三分钟。
从意思准确度来说，两者都没有什么问题，但使用中我发现，千问CosyVoice有一个很大不同，它不只是在识别，它还在给你“纠错”，或者说润色。因为它不是实时地语音识别，中间有一个识别转写的等待过程，所以在最后呈现的文字上，它会主动把一些它认为重复、啰唆，不必要的连词等给你修改掉。
对比豆包和千问CosyVoice的识别结果，虽然表达的是一个意思，但千问CosyVoice明显精练得多。
对于这种情况，我觉得既然都使用AI输入法了，让它自由发挥一些也行。如果是聊天对话使用语音转写的话，这样更省略倒也没什么。如果你是想用语音口述转写文章什么的，千问CosyVoice的转写可能就少了点“人味儿”，多了AI味儿。
但它其实是有AI润色的启用开关的，只是隐藏得比较深，点击“换行”按钮可以看到，不过默认是启用润色。这就看自己的使用习惯了。
接下来是识别方言，选用了粤语电影的一段10秒的台词。结果高下立判了，如果说豆包算刚刚及格，那千问CosyVoice就是“拉完了”。
从语义来说，豆包至少对了80%，而且从文字可以看出，它是将粤语的发音直接转写了过来。千问CosyVoice完全是不知所云，似乎是把粤语发音当成了普通话来识别，导致两边都看不懂。
最后是英文，直接选用一段英文播客来测试。之所以要测试英文语音输入，主要还是考虑到有时候工作或生活中，有的人可能需要英文输入，比如英文聊天，或者英语口述撰写文案等。
大家可以把原版文稿和识别版对照下。这一轮千问CosyVoice又凌乱了，正确率只有60%左右，而且很多语句都不通顺，理解原文是很困难了。豆包的准确率依然达到80%以上，还有一些标点符号断句的位置不对，但不影响理解原文。
好了，3种语言测试完了，从转写速度、识别准确性来说，豆包输入法相比千问CosyVoice都要略胜一筹。如果你只是使用普通话转写，同时需要AI润色的话，那倒是可以试试千问CosyVoice。但如果要作为日常主力输入法，我还是更推荐豆包，语音和打字输入不需要切换，实时语音识别也很准确。日常聊天或者语音备忘，那是真的很快捷方便，反正测试完之后，我已经把豆包设置成了手机里的默认输入法。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
