讯飞输入法随心说 中英、七大方言混合语音输入无压力

都说2018是人工智能(AI)应用元年，遥不可及的AI与大众的关系变得越来越亲密。2018年4月，讯飞输入法发布了全语音交互的“莫得键盘”;6月AI赋能，使通用语音识别率提升至98%，支持20多种方言语音输入，实现语音识别、语音合成以及机器翻译的场景融合，提升语音输入的表达力。经过半年时间的创新和沉淀，讯飞输入法语音输入又有了新突破，最新Android版本支持中英混合语音输入『随心说』，同时优化普通话与方言口音的混合语音输入效果，增强了语音输入体验。

有没有发现，职场工作的你时不时说中文夹杂英文。放假回家，Amanda又秒变彩凤，前一句普通话后一句家乡话脱口而出!常见的语音输入是这样的，上班谈事说英文切换到英文识别模式;回家跟亲朋友好友在线聊天，说家乡话切换到对应的方言模式。如果想在沟通中做到“雅俗共赏”，那需要手动切换起来，中→英，英→中，普通话→方言，方言→普通话，英→方言，频繁操作体验自然不尽如人意。

日前讯飞输入法上线语音输入『随心说』，不用切换语音识别模式就能实现中英混合语音输入。据悉，为更好助力方言口音的表达，进一步优化了包括东北话、天津话、河南话、皖北话、山东话、河北话、四川话七种方言与普通话的混合语音输入效果。“准确输入”、“高效表达”、“便捷交互”、“智能识别”基于这些关键词，可以看出讯飞输入法技术能力快速迭代，同时也是科大讯飞AI核心技术不断赋能的体现。

事实上，科大讯飞在AI研究和应用，特别是智能语音方面布局多年。基于注意力模型的核心思想，通过机器学习的方法，构建了Hybrid CNN模型，用于构建语音识别声学模型的全局优化，堪称目前效果更好、资源占用更小、模型更灵活的语音识别框架。

具体来说，在原DFCNN基础上，将传统卷积使用扩张卷积代替，从而实现对语音长时相关性的更精确的表达。与此同时，还引入基于长短期记忆网络LSTM的门控机制使得Hybrid CNN在长时相关性建模的过程中，能快速的过滤噪声等干扰信息，并加强语境等长时信息，颇具灵活性，从而在实际应用中能够保障高噪声等复杂场景的语音识别效果。

另外，Hybrid CNN模型真正实现了端到端的建模，以原始音频波形直接建模，避免了人工设计的特征提取过程带来的信息损失，真正的实现了端到端建模，进一步提升识别效果。

也正因为上述的创新，使Hybrid CNN这种前沿的语音识别框架克服了DFCNN模型参数量和计算复杂度大的问题。在保证识别效果不损失的情况下，系统资源占用规模和运算量同比下降了60%以上，使得Hybrid CNN可以在手机等设备上流畅的运行，这也使得本地化语音的识别效果更加接近云端识别效果。

A.I.持续赋能讯飞输入法，不仅提高手机输入效率和准确率，甚至免去语音识别的切换操作，让用户享受A.I.带来的全新便捷生活。