讯飞输入法

义项:科大讯飞输入法软件
讯飞输入法

讯飞输入法是科大讯飞股份有限公司推出的智能输入法软件,集语音、手写、拼音、拍照等方式于一体,2010 年 10 月 28 日正式上线[1]。产品以语音识别为核心,支持多种方言语音输入,并陆续接入讯飞星火大模型,可在手机、电脑等多类终端使用[1][2]。

目录
  1. 定义
  2. 原理
  3. 发展历程
  4. 应用
  5. 局限
  6. 参见

定义

讯飞输入法是一款运行于智能手机、平板电脑、个人电脑等终端的中文输入法软件,由科大讯飞股份有限公司开发并运营[1][3]。它的基本功能是在各类可编辑文本区域中把用户的按键、书写或语音转换为文字,并按用户操作把文字送上屏幕[4]。

除拼音、笔画、手写等常规方式外,该软件把语音输入作为主要特色:用户按下键盘上的麦克风按钮说话,软件随即返回文字结果,并可在中英混说、方言口音等情况下直接输出[4][1]。平台覆盖 Android、iOS、HarmonyOS 以及 Windows、macOS、Linux 等系统[1]。

原理

语音输入的基本流程是:麦克风采集声音并数字化,前端做降噪、端点检测等处理,再由声学模型把音频帧映射为音素或发音单元,最后由语言模型结合上下文选出最可能的字词序列并输出[2][5]。早期版本采用隐马尔可夫模型描述语音的时间结构,此后逐步转向以 深度神经网络 为主体、结合上下文建模的方案[6][2]。

早期语音识别主要依托云端服务器运算,终端只负责采集与回传,因此识别效果受网络状态影响[7][5]。2013 年起该软件提供离线语音识别,把模型放到手机本地解码,无需联网也能转写[1]。2024 年的 14.0 版本引入端侧输入大模型,在本地完成整句联想与预测,官方称离线识别效果已接近云端水平[5][8]。

拼音与手写输入则依赖词库和统计语言模型:拼音输入根据音节串给出候选词并依词频与上下文排序,手写输入对笔迹轨迹做识别后同样进入候选排序环节[4]。输入法的按键、文本与使用场景数据在开启相应功能时会上传云端,用于云端词库、语音、翻译和拍照识别等服务[7]。

发展历程

2010 年 6 月,苹果发布 iPhone 4 后,科大讯飞研究院的翟吉博认为触屏打字效率有限,用 3 天时间写出了最初的测试版本[1]。同年 10 月 28 日,讯飞输入法正式上线,1.0 版本把隐马尔可夫模型用于语音识别,官方称输入效率提升约 3 倍[1][2]。

2012 年,该软件上线中文语音识别的深度神经网络系统,并加入粤语识别[1]。2013 年实现离线语音识别;2014 年方言识别扩展到十余种;2015 年推出语音翻译功能“随声译”[1]。2018 年采用 Hybrid CNN 识别引擎,改善了中英文混合输入的效果[2]。

2019 年发布的 9.0 版本实现中英文、普通话与方言、在线与离线的免切换输入[1]。2020 年 10 月,10.0 版本发布,搭载动态自适应编解码识别引擎并新增唇形辅助输入;疫情期间还上线了武汉话转普通话功能[2][6]。2021 年,软件推出离线拼音、离线语音与离线手写,并设置“基础输入”与“完整体验”两种使用方式[7][9]。

2024 年 10 月 24 日,讯飞输入法 14.0 在科大讯飞全球 1024 开发者节上发布,首次引入讯飞星火端侧输入大模型,并接入讯飞星火语音大模型,方言识别种类扩充至 202 种、覆盖 288 个地市[8][5]。2025 年,官方宣布 15.0 版本于 11 月 6 日发布,主打“AI 键盘”形态[10]。

应用

在移动端,该软件常用于聊天、社交平台发帖等日常文字输入,其语音键使说话即可成文,适合不便打字或打字速度较慢的场景[11]。在电脑端,PC 版把语音、手写与拼音整合在同一输入界面,供办公文档、网页表单等场合使用[3][12]。

语音转写能力还延伸到记录与沟通辅助:拍照输入借助光学字符识别提取图片中的文字,快捷翻译与语音翻译支持边说边译[1][4]。2024 年起,AI 助手被集成到键盘界面,可对已输入文字做润色、扩写、翻译,并根据场景给出回复建议[4][13]。

面向特定人群,该软件设有无障碍模式,通过语音输入、表情输入等方式降低视障用户的操作门槛[2]。2017 年起,运营方发起方言保护计划,用语音技术采集并保存方言语料,相关识别能力也用于方言地区的输入场景[6]。

局限

语音识别的结果并非总是准确。识别的质量取决于麦克风条件、环境噪声、说话语速与口音等因素,语速过快或多人同时说话时错误率会上升[14][5]。官方在 2024 年的说明中提到,此前用户反馈的识别出错中有约 75.3% 由网络问题引起,说明云端方案对连接质量的依赖[5]。

离线能力也有边界。2021 年推出离线语音时,官方注明离线仅支持普通话,方言与翻译仍需在线服务[7]。端侧大模型的启用需要较新的机型与额外下载模型文件,并非所有设备都能使用全部 AI 功能[5][15]。

与所有第三方输入法一样,部分功能涉及数据上传。运营方的服务协议与隐私政策说明,使用语音输入、拼音云、拍照等功能时会收集并上传相应信息;选择离线或基础输入模式则不上传个人数据,但可用的智能功能相应减少[4][7]。输入法本身也不覆盖全部输入方案,五笔等形码输入方式并不在其支持范围内[16]。

参见

  • 科大讯飞 —— 讯飞输入法的开发与运营方。

  • 语音识别 —— 该软件语音输入功能所依托的核心技术。

  • 深度神经网络 —— 语音声学建模中采用的主要模型结构。

  • 大语言模型 —— 2024 年后用于输入联想与 AI 助手的技术基础。

  • 输入法 —— 讯飞输入法所属的软件类别。

词条评价
词条统计

浏览次数:0 次

阅读量:0 次 · 阅读完成量:0 次

最近更新:2026-10-28T18:43:34Z

历史版本

本条目引用的词条
深度神经网络 科大讯飞 语音识别 大语言模型 输入法