16年王者归来！手机键盘长脑子，打字进入「许愿时代」

新智元报道

聊天里最有悬念的，可能就是「对方正在输入……」。闪了半天，最后只等来一句「好的」。

轮到自己回消息，就懂了。「周五做不完」太硬，「我尽量」又像把活接下了。删了写、写了删，消息愣是发不出去。

老板再问一句进度，还得翻遍微信、飞书和备忘录，把已完成和待确认的事捋清楚。

10月22日，讯飞输入法16.0正式发布，带来的「意图成稿」就想接下这份活。

你只管说想办的事，键盘结合你给的信息，整理材料、组织内容，再写成适合发出去的话。

语音输入的三次跃迁

语音输入的第一步，是把话「听准」：你说一句，它尽量原样记下一句。这就是第一代「忠实记录」要练好的基本功。

四川话能不能听懂？地铁里会不会串音？一句话里夹着几个英文词，能不能少错几个？这些问题每解决一个，语音输入就更可靠一点。

这项基本功到了讯飞输入法16.0仍在升级。新接入的讯飞星火Spark-ASR-2.0语音识别大模型支持202种方言；讯飞公布的测试中，方言识别准确率从85%提升到了91%。

在夹杂领域词、行业词的中英混说场景中，「英文槽准确率」也从33%提高到80%。

听得准，也要跟得上。讯飞星火Spark-ASR-2.0继承了讯飞星火Spark-Audio语音基座的方言能力，结合千万小时语音编码预训练，适应轻声、噪声等复杂声学环境。解码时再让非自回归与自回归框架协同，兼顾出字流畅度和复杂语句的识别效果。

听准了，口语却未必能直接发出去。于是，第二代「表达成稿」接着往下做：把听到的话，整理成一段能读的文字。

这背后是「动态上下文＋文本多任务协同」：系统结合多轮对话、用户前后的修改、热词和个性化信息，挑出与当前表达有关的内容，同时完成纠错、口语顺滑和标点优化。去掉「嗯」「那个」，只是最容易看见的一步。

有了大模型，还能进一步润色表达、调整风格，让同一段话适合不同的沟通场景。

比如，口述集合安排时临时改了时间，可以直接说：「把十一点半改成十二点，地点不变。」

这里要分清的，是哪些话该写进正文，哪些话是在下修改指令。说清「把……改成……」，就不用自己删掉重打。

针对这类明确的修改指令，流式意图判断会一边听，一边分清哪些是正文、哪些是在改正文，再更新对应的部分。

据统计，升级后的用户平均编辑距离减少了34%，30字以上长句的识别结果直接采纳率提升40%。

到这一步，说得磕巴，也能得到通顺的文字。但内容依然要自己先想好，再说出来。

偏偏最费劲的，常常就在开口之前：信息散在几个群里，要先捋清，再拿捏怎么说。汇报得抓重点，拒绝得留余地，没定的事还不能说满。

第三代「意图成稿」，接下的就是这一步。你说出想完成的任务，键盘从你提供的聊天、截图和经授权的记忆中提取、规整信息，组织表达结构，再按沟通对象和场景写成稿。

键盘长出「意图大脑」

一句话能干多少活？

这类消息，以前也能找AI帮忙，但得复制材料、切换应用，等答案出来，再搬回聊天框。

这次，讯飞输入法16.0把信息整理和成稿放到了手机键盘里。

点开彩色光球进入「交给AI」，按需开启剪贴板、截图信息读取，你主动复制或截下的内容就能成为任务背景。记忆功能在「交给AI」里单独开启，保存的内容也可以查看和删除。

接下来，我们就拿平时难回、难写的几类消息，直接上手实测。

从回信息到约团建，把话说到点上

第一个要回的，就是老板。

我们虚构了一个「星桥」活动项目，群聊里上线时间改过一次，测试、视频和报名也各有新进展。

打开「剪贴板信息自动读取」后，消息一复制，根本不用粘贴，直接对着键盘动嘴——

「帮我回复负责人星桥项目的最新进度……」。

令人意外的是，它准确抓出了改期后的最新时间，至于还没定论的回归测试和客户Logo，也老老实实放进了「待推进」。

• 群聊吵成一锅粥，也能捋清安排

群聊最头疼的，就是消息太多，正事全淹没在闲聊里。

这场「去班味」团建，24条消息里，10点改成11:30，南湖换成柳湾，人均150又降到120。谁晚到、谁不吃辣，也散在各种吐槽里。

截下这串聊天，让「交给AI」整理团建安排。时间、地点、人数、预算和个人需求，不用自己先从头捋一遍。

它把改后的时间、地点和预算列进「已确定」，两位晚到、一位不吃辣也没漏。烧烤位和雨天备选的桌游店，则留在「还没定」。闲聊归闲聊，真正要用的信息都拎出来了。

即便是时间临时改了，也可以直接用语音下修改指令。

还是这场团建，我们一边说安排，一边改时间：「周六，嗯，十一点半在柳湾营地集合。不对，把十一点半改成十二点，地点不变。」

话音刚落，屏幕上的文字直接完成了自我修正，最后留在框里的干干净净一句话：「周六，12:00在柳湾营地集合，地点不变」。那些嘴瓢带出来的语气词，以及打补丁的修改指令压根没混进正文。

• 体面拒绝，高情商拉满

临时加需求，绝对是打工人另一个高血压现场。

比如，周五下午五点要交客户演示版，设计同事突然又甩过来12张海报文案，要求周五中午交齐。偏偏这周组里根本调不出人手，而且其中几张连主题都没定。

这时候要是顺手回一句「收到」，周末多半就搭进去了。

不用慌，直接把这段对排期的聊天记录复制下来，对着输入法吩咐一句：「帮我回设计同事，语气友好，说明为什么周五不能给齐12张，给出能做到的安排。」

AI生成的这套说辞段位很高，先摆事实——要先保客户演示版，文案只有一个人在排，中午前给齐12张确实做不到。接着，给出分批交付的办法：

已经定好主题的2张周五可以先给你，剩下10张我最早周一下午3点前交，不耽误你后续用～

整段话不到90个字，拒绝得有理有据，还主动给出了折中时间表，也没替人揽下加班。

比起冷冰冰一句「做不完」，这显然才是成年人解决问题的沟通方式。

• 打出「工作汇报」，键盘先递来了入口

前面那些都是我们主动把活儿推给AI，这次反过来，先正常打字。

我们在群聊里顺手敲下「工作汇报」几个字，甚至都还没来得及去点任何功能，键盘右侧就非常机灵地探出了一个「职场沟通」的小卡片。

完全不用在菜单里来回扒拉找入口，AI直接递上了现成工具。

这种无需提前规划意图、打字打到一半被AI精准「接住」的丝滑感，彻底打破了传统输入法非要先选模式再干活的生硬割裂。

• 自带记忆，越用越懂你

更值得一提的是，讯飞输入法16.0还自带记忆，越用只会越懂你。

平时用AI最烦的一点，就是每次回工作消息，都得重新碎碎念一遍「简短点、别太客套」。

所以我们最关心的：这次交代过的习惯，下次换个话题，它还记不记得？

打开「交给AI」的记忆功能，我们把平时回工作消息的习惯告诉它：先说结论，用三行写清自己能做什么、什么时候给、需要对方配合什么，不加表情和波浪号。

再回同事的评审邀约时，只说能参加、几点交稿、请对方提前发问题，没再叮嘱写法。这次它先说能参加，再各用一句交代交稿时间和需要对方发来的问题，三项分开，也没加表情和波浪号。刚交代过的写法，这回不用再念一遍。

一番实测下来，最深刻的体感，是那些发消息前最费脑筋的事——理清信息、组织措辞、拿捏语气，键盘都能先帮上一把。

听懂一句话

背后还有三层功夫

前面的语音识别，负责把人名、时间和金额听准；接下来的云端意图引擎，则要把识别到的话和用户提供的材料，组织成一份能用的稿子。中间有三步关键处理。

• 理解任务，也判断场景。多模态上下文编译器先把文字、截图等材料转换成结构化上下文。意图理解判断要做什么：回复、总结，还是改写；场景理解判断该怎么说：给老板报进度，要先交代结论；给朋友发集合通知，口吻就可以轻松些。

• 规划任务，调用信息与记忆。任务规划器根据当前意图、场景和任务状态，决定是否检索资料、读取记忆，以及怎样拆分任务。时间、地点、人物和约束被整理进「任务级信息卡」，短时记忆接住眼前的事，长程记忆保留表达偏好。长期偏好需经用户授权保存，记住了什么也能查看、管理。

• 组织成稿，交回键盘确认。生成器综合任务材料、场景和记忆，写出候选文稿，在AI键盘里交给用户审阅、修改、确认使用。经用户主动授权，修改结果还可用于后续记忆巩固和个性化迭代。

除了用语音交代任务，打字时也有帮手：端侧会根据已经输入到文本框里的内容，主动推荐合适的表达技能。它负责把技能递到手边；云端的「意图成稿」，则负责理解语音任务、组织内容。

常用功能、智能体和语录也能放进「技能坞」，方便随手调用。这些技能背后，是超过15万创作者贡献的表达经验：30万个表达技能，覆盖超过1万个表达场景。

委婉拒绝临时需求和汇报项目进度，都叫「回消息」，分寸却不同。创作者把这些场景里的表达经验做成智能体和技能，其他用户就能调用。

这样的表达技能共创（UGC），让不同人的沟通经验变成了大家随手可用的工具。

「键盘搭子」，还想接住一点情绪

用户对键盘的期待，也在向效率之外延伸。从「光标搭子」的反馈里，讯飞看到了陪伴的需求，讯飞输入法16.0进一步带来了「键盘搭子」。

我们选了只黑乎乎的「球小煤」，试着在群里打「下班了」。字还没打完，它先搬出小电脑跟着敲了起来。长按一拖，还能把它挪到输入框另一侧。

平时打字、互动还能积累亲密度、兑换装扮，偶尔也有全屏彩蛋。天天打开的键盘，多了一个可以慢慢养成的小伙伴。

从光标旁的装扮，到随打字发生的互动，键盘的陪伴感也在变得更具体。

这也让输入法的竞争向效率之外延伸。键盘每天伴随聊天、协作和办公被反复唤起，除了听得准、写得快，能否多一点愉悦和回应，也可能成为新的竞争焦点。

16年磨一剑，王者归来

从忠实记录、表达成稿走向意图成稿，语音输入正在进入下一个阶段——

用户说出想办的事，键盘接下内容组织与表达成稿。

再次走在前面的，依然是讯飞！

这一步背后，是16年持续积累的技术、产品经验和用户洞察。许多在真实使用中磨出来的细节，单靠接入一个通用大模型，很难迅速补齐。

2010年，几亿网民还在手机屏幕上戳九宫格，讯飞就发布了全球首款中文语音输入法，说话的速度是打字的3倍。到2016年，语音输入已经能做到1分钟400字。

为了让语音输入更准、更快，讯飞从2012年起持续升级识别模型，也把语音识别做到端侧，支持离线和弱网场景。

语音识别之外，支撑「意图成稿」的还有负责理解和生成的大模型。

从硬件基础、软件支撑，到模型训练与推理应用，讯飞星火已实现全栈自主可控。

以全栈自主可控的大模型支撑产品演进，让源头AI技术领先进一步转化为用户每天用得上的表达能力：听清你说的话，理解你交代的任务，再组织内容、完成表达。

这些能力要真正好用，还要经过具体场景的打磨。

老一辈说方言，电梯、地库没有网，开会时不方便大声说话。这些具体的难题，推动讯飞做出了202种方言识别、离线语音和20分贝轻声识别。为了帮视障人士和银发族跨过数字鸿沟，讯飞输入法也成为全国首款通过中国盲人协会认证的输入法。

进入内容组织与表达阶段，需求变得更细。讯飞把创建Agent的能力开放给用户，让熟悉各行各业、各种沟通场景的人，把自己的表达方法做成可调用的技能。这些长期积累的场景经验，也为「意图成稿」提供了基础。

从听懂方言到拿捏表达习惯，长期的技术、产品和场景积累，筑起了难以在短期复制的护城河。

在智能语音领域，科大讯飞还承建了首批国家新一代人工智能开放创新平台中的智能语音平台。作为第一完成单位，其「多语种智能语音关键技术及产业化」项目获得国家科学技术进步奖一等奖。

从学习机、智能办公本，到手机里每天都要用的输入法，科大讯飞正以软硬一体的产品能力，推动大模型落地生活。

「引领新一代人机交互」，在输入法场景里有了具体的落点：

以「意图成稿」引领新一代智能输入交互，让大模型能力从云端走进日常打字、聊天、写作与办公沟通，把人机交互落到每一次表达里。

下一次对着手机输入框卡壳，不妨先把想办的事说出来。腹稿还没打好，键盘已经可以开工了。

编辑：摩西 桃子