上周，有消息透露阿里千问团队即将推出一款手机输入法。和之前集成在千问PC端的桌面输入法组件不同，这次要上的是一个独立的手机APP。

这么一来，BAT三家——字节跳动、阿里巴巴、腾讯——在输入法这条赛道上算是凑齐了。

微信输入法从两年前就开始拥抱AI，今年更是围绕AI语音输入连续做了几轮大更新。豆包输入法去年底率先上线手机端，核心也是围绕语音输入，半年后又补上了桌面端。千问上个月刚在PC端上线AI语音输入功能，现在手机端跟上，情理之中。不用猜，产品核心同样锁定在“语音输入”上。

图片来源：千问

AI巨头对输入法、尤其是对语音输入的重视，已经是司马昭之心。很多人可能会疑惑：输入法早就是一个成熟到不能再成熟的品类了，九键、26键、双拼、五笔、手写，该有的基本都有，搜狗、讯飞、百度这些老玩家也经营多年。大厂真有必要重做一遍吗？

答案当然是有。

两年前，市面上就出现过一波输入法AI化的浪潮。当时各大输入法都在接入大模型，塞入大量Chatbot上已有的AI功能，做法相当简单粗暴。说实话，那些功能大部分是在FOMO情绪下盲目上马的。从身边朋友和编辑部的反馈来看，用户并不想使用一个塞满功能的输入法，无论在桌面还是手机上都是如此。

图片来源：正软商城

但这一波语音输入的回归，其实有点返璞归真的味道。不再折腾花里胡哨的功能，而是回到“输入”这件事本身——用AI把输入法重新造一遍。

AI语音输入全面进步，用嘴打字时代来了

必须承认，一年之前，语音输入的使用率还很低。不是不想用，毕竟说话肯定比打字轻松，尤其在手机上。问题主要出在识别效果上：说一句话，错几个字；碰上不太标准的普通话、专有名词或中英文混说，结果更容易跑偏。结果就是，本想少打几个字，最后却要盯着屏幕逐句检查、移动光标修改。嘴上省下来的力气，又被手动纠错拿走了。这种体验特别容易劝退人。

简言之，语音输入只要错得足够频繁，用户就会重新拿起键盘——打字虽然慢，至少结果相对可控。

但现在情况变了。一方面是AI技术带来的变化，更准确地说，是语音识别和语言模型的进步。很多用户很早就能体会到，语音输入已经可以满足AI交互的输入要求。

不只是豆包输入法。常用的手机和桌面输入法中，微信输入法算是比较突出的。从去年底iOS/Android端的3.0.0更新开始，微信输入法基本都在围绕语音输入进行优化迭代，全面升级语音输入大模型、提升识别能力，优化语音输入体验。在最近一轮更新中，全平台版本再次升级了语音输入大模型，也支持自动去掉说话时的口水词、智能加标点和分段等特性。

图片来源：微信

有媒体曾对豆包、千问、搜狗和Typeless四款桌面端AI语音输入工具做过横评。测试中，豆包采用实时转写，基本能做到边说边出字，前面暂时识别错误的内容还会随着后文补充被重新修正。千问的输出速度慢一些，短文本往往需要等待3到4秒，长文本增加到5到6秒，但准确率、自然断句和口语规整表现不错。无论哪一款，整体的语音输入准确性都有了大幅进步，并且覆盖桌面端和手机端。

图片来源：正软商城

效果也很明显。过去半年，在室外、家里很多时候都在用输入法进行语音输入。即便普通话并不标准，大部分内容依然能够准确识别。偶尔还是会有错误需要修改，但频率已经低到不会打断思路。

总结一下：大模型补上了关键的基础。以前的语音输入更像一个听写员，目标是把声音转成文字。现在的AI输入法开始理解整句话——它会根据上下文纠正同音字，自动补标点、分段，去掉“嗯”“啊”“那个”等口头语，还会处理说话时的重复和自我修正。用户说出来的是一团带着口癖的原始想法，屏幕上出现的已经是一段可以直接发送的文字。这一下，差距就出来了。

另一方面，在AI技术进步的基础上，语音输入的优势实在太诱人了。最直接的就是输入负担的降低。回想日常打字，往往需要看键盘、选字、处理错别字，脑子里的想法要经过手指再落到屏幕上。而说话更接近日常交流，人想到哪里就能讲到哪里。尤其在户外走路时，这种差距会被迅速放大——可以看着前面的路继续输入，不需要一直低头盯着屏幕，心理上也少了很多担心。

图片来源：正软商城

效率优势也早有研究验证。斯坦福大学、百度等研究团队2016年在实验室条件下比较过手机语音和键盘输入：普通话语音录入速度约为每分钟123个词，拼音键盘约为43个词，前者接近后者的2.9倍。当然，实验室里的短文本不能直接代表地铁、街道和办公室等真实环境，但它至少解释了语音输入的天然上限——只要识别足够准，人说话通常比在手机上敲字快得多。

此外，语音转文字比起纯语音对接收端更“友好”——不只是微信好友，备忘录内容的回看、各种APP和网站、以及AI交互的输入都适用。尤其相对复杂的输入往往需要停下来思考、基于前文继续输入，纯语音的效率和体验远不如语音输入这种交互形式。而且，不管打字还是语音输入都不可避免会有一些错误，但都能比较方便地进行修改。

能力可以很多，交互必须很轻

虽然很多时候豆包会被调侃只剩下情绪价值，但不可否认，豆包在中文语音输入、输出上的优势非常大，在BAT三家中也更早将这种优势转化到输入法的语音输入上，去年11月就推出了豆包输入法。

不过具体到手机输入法的产品体验，豆包输入法作为新兵还是有不少改进空间。尤其对比微信输入法这类比较成熟的产品，豆包输入法虽然基础功能和设置选项都大差不差——有联想词推荐、剪贴板、验证码填充等功能，甚至支持双拼，也推出了桌面和手机双端——却缺少了跨设备粘贴同步（包括个人词库、图片），还有换机助手等功能。要知道，豆包输入法目前既没有微信输入法的匹配码机制，也没有其他主流输入法的账号体系。

再加上微信输入法本身也很出色的语音输入表现，所以仍然主用微信输入法。AI不是也不应该成为选择产品的唯一因素。反过来，也希望看到接下来上线的千问输入法APP会有很好的产品体验。一方面，千问在电脑端已经证明它在语音输入上也有很强的优势，如果这些能力原样来到手机，千问输入法至少会有一张不错的入场券。

但一款每天被调用数百次的手机输入法，不能只靠模型秀肌肉。手机和电脑的词库、常用语、剪贴板能否同步，语音启动能不能足够快，是否支持实时转写；长文本整理的力度能否让用户选择，避免AI过度改写原意，以及弱网和离线状态下还能不能稳定工作。在AI语音输入之外，这些也在很大程度上影响今天输入法的体验。

前几年的输入法AI化就正好说明了这个问题。很多产品只是从技术出发，容易把问答、翻译、写作、搜索和智能体一股脑塞进键盘。但输入法的使用逻辑和AI聊天工具不同，用户每一次唤起键盘，大多只想快速写完一句话。能力可以很多，交互必须很轻。否则，“全能”很容易变成一种臃肿。输入法终究是一件基础工具，有用和好用之间还隔着很多设计和细节。

输入法依然是离用户意图最近的入口应用

字节、阿里、腾讯为什么都来做输入法？从用户的角度看并不难理解。输入法离用户太近了。无论在微信聊天、淘宝搜索、钉钉办公、浏览器搜索、小红书评论，还是文档写作，只要用户需要把想法交给手机，输入法就有机会出现。它不属于某一个 APP，却能跨过几乎所有APP，也是调用频率最高的系统入口之一。

而大模型的加入，让输入法能够处理更靠近意图的一层：用户想说什么、该怎么说、这句话是否需要翻译、润色、总结。语音的表达形式，更让这个入口获得了更多原始信息，能接触到语速、停顿。

对于字节，豆包输入法可以把豆包的模型能力带出豆包APP，进入聊天、搜索和办公等更多场景。对于腾讯，微信输入法连接微信社交、搜狗输入法积累和混元模型，既有现成用户，也有最丰富的中文交流场景。而对于阿里，千问输入法有机会穿过电商、支付、地图、办公和内容创作，把千问从一个需要主动打开的AI助手，变成随时可以调用的底层能力。

从实际体验来看，语音输入已经跨过了“偶尔应急”的阶段，但它还替代不了所有键盘场景——办公室里不方便开口，密码和精确编辑仍然更适合手动操作。而在走路、快速回复和整理想法时，越来越不愿意“古法手打”了。