原标题：拿下「麦克风」之后，百度AI输入法下一步要抓住你的「摄像头」

「输入法」是日常生活最平常但也最容易忽略的人机交互场景之一。

问：用了“人工智能”和没用“人工智能”的输入法有什么区别？

答：你用一下微软全拼、智能ABC就知道现在的输入法的词条有多么智能了。

以上是来自知乎网友「简单粗暴」的问答。但同时也能反应一个问题，被炒得火热，又似乎无所不能的人工智能技术，是怎样应用在「输入法」这点小事儿上的？做语音输入法的头部玩家也都是标榜做人工智能的巨头公司，到底谁行？

1月17日，百度输入法AI新版正式上线，百度副总裁、AI技术平台体系（AIG）总负责人王海峰为输入法站台，他表示，“输入法是百度AI技术的桥头堡，未来我们将用更多人工智能技术打造AI输入，让输入法更懂你的表达。”

一项技术突破：“深度尖峰技术Deep Peak 2 模型”

百度语音技术部总监高亮带来的“深度尖峰技术Deep Peak 2 模型”堪称AI新版输入法的一大亮点，通俗地解释一下这项技术。

Deep Peak 2 模型的全称为基于 LSTM 和 CTC 的上下文无关音素组合建模，该技术将高频出现的音素联合在一起，形成一个音素组合体，然后将这个音素组合体看作一个基本建模单元。

这可以看作是一次技术创新，此前数十年用的模型一直是上下文相关的建模方式。

与上下文相关建模方式相比，Deep Peak 2 模型能够充分发挥神经网络模型的参数优势，对多种说话方式的稳定性更强、准确度更高；同时能够带来更快的解码速度，提升语音识别的整体效率，百度称，聊天场景下的相对正确率已领先行业20%，而这个解码速度也可提升10倍。

高亮在接受36氪专访中解释：“20%这个数字怎么得出来的？是拿1400句语料来和竞品进行对比，来比较谁的句准更准。我们更关心字准和句准。过去的模型和竞品比，是比较持平的。而这1400句是一直以来积累的「黑盒子」，训练数据完全看不到。”

举个例子，现在人们中英文夹杂着说话，发送语音已是稀松平常事。现在是上下文无关的建模方式，就可以把中文、英文一起识别，提高识别的准确率。

据称，百度研发该技术有1年多之久，研发中遇到的最大难题就是解决「过拟合」的问题，百度通过声学模型学习和语言信息学习相分离的特殊训练方法，使用音素组合来保留最重要的音素连接特性，最终成功解决了建模时的过拟合问题。

高亮表示，国际上谷歌也发布论文在尝试训练上下文无关的模型，但在工程上尚未体现。后续这项技术还将在百度其他产品中使用，验证模型的稳定性。

2012年，百度上线了基于 DNN 的语音识别模型，此后随着技术的不断迭代，每一年都有新的语音识别技术上线。

「抓住麦克风之后，下一步要抓住摄像头」

百度本次输入法发布会主题是「AI输入，开启全感官输入时代」。

高亮告诉36氪，在识别率和准确率达到一定技术高度，输入法这个产品接下来的发展走向一定是应用的场景越来越丰富。

比如：“声纹识别”、“轻声识别”，在开会过程中若有需要轻声发送语音，按住就可以轻声说；在会议上做速记，可以根据声纹的不同，可对不同发言的人内容进行分别记录。

而未来，也许一个手势、一个眼神，甚至到终极一个脑电波，输入法就可以get到你的意思进行输入。

“AR表情”功能

在高亮看来，“抓住麦克风之后，下一步要抓住摄像头”，因此百度输入法这次还推出了“AR表情”的新功能。

这次是结合了百度人脸识别技术和AR技术，用户不仅可根据相机或相册进行人脸识别、制作表情包，还支持用户通过自己的表情控制虚拟人物形象，比如你可以看到孔子、武则天这些古代的人物冲你微笑抑或翻白眼。制作出来的AR表情，可以直接通过输入法搜索、语音输入和键盘输入时展示出来。

除此之外，为了丰富表情包的种类和风格，一些中国民间传统艺术如年画等也引入到表情中，众多古典人物形象冲破次元壁垒“活”了起来。

就在昨天，微博也上新了点赞的新玩法，长按点赞按钮，就可以出现多种表态，如：高兴、愤怒、惊讶等。

搞怪有趣的表情可以俘获年轻人的心，也更贴近用户的个性化需求，百度输入法在拥抱年轻的群体。

输入法本身是一个to C的产品，谈不上何种商业模式，但是在和手机厂商合作预装中，能够敏感地捕捉到他们的需求，合作较好。

百度表示，截至目前百度输入法月活用户已达4亿，语音输入日流量超过2.5亿。百度输入法除了有自己的核心研发团队，攻克技术难题，还背靠技术大山，有王海峰领导的AIG团队的技术支持。

其实，语音识别这一单点技术已被突破，头部玩家的识别准确率早已都在97%以上，而接下来则更多是对语义的分析和理解，用户的意图判断等。输入法可以为百度积累分析语料以及盘活流量等，加之推出的“AR表情”功能，百度的AR怕是也要跟着火一把了。