2026年10月22日，在科大讯飞全球1024开发者节AI文娱论坛上，讯飞输入法16.0发布第三代语音输入——“意图成稿”。用户只需说出表达意图，讯飞输入法即可理解需求，收集规整相关信息、组织内容、生成并润色成可用文稿，把复杂表达变成一句话的事。
到了今天，大模型带来了新的可能。识别再准一点、输入再快一点，当然还要继续做。但我们也在问：如果文字已经出得很快了，为什么有时候回复一条消息，还是要花好几分钟？
科大讯飞将语音输入划分为三个代际：第一代“忠实记录”准确记录用户说出的内容；第二代“表达成稿”完成口语规整、表达润色和修改；第三代“意图成稿”则从用户的表达意图出发，组织信息并交付成稿。本次16.0除了发布第三代“意图成稿”，也在忠实记录和表达成稿方面带来了新的能力升级。
先把复杂场景听清，再把复杂任务接住
如果说第三代语音输入要回答“为什么是讯飞”，答案首先要回到那些最难的真实场景。这些能力来自多年逐城攻关积累的方言数据、真实环境中沉淀的声学经验和持续迭代的建模方法。
讯飞输入法 16.0 的语音输入在实现“意图成稿”的同时，“忠实记录”和“表达成稿”能力也显著提升。在忠实记录方面，讯飞输入法16.0接入讯飞星火Spark-ASR-2.0语音识别大模型。该大模型继承讯飞星火Spark-Audio语音基座大模型的能力，结合语音编码预训练适配复杂声学场景，并采用非自回归与自回归协同框架，提升复杂场景下的识别表现。
讯飞输入法16.0支持的方言达到202种、相关识别准确率由85%提升至91%；小音量、高噪声等复杂声学场景的识别也得到改善。在中英文专业词混合场景中，英文槽位准确率由33%提升至80%。
覆盖面也在一点点扩大。方言从 2012 年的粤语起步，一座城市一座城市地上线，最终 202 种方言被放进统一建模，实现免切换识别；离线、轻声、抗噪，以及面向老人、儿童和视障用户的优化，让更多人在自己真实的条件下用上了语音输入。
从技术底座到产品体验，能力还要回到输入现场
围绕“意图成稿”，讯飞输入法16.0打造全新个性化AI键盘，将相关任务信息、表达技能以及成稿后的编辑与使用，整合进日常输入体验。
让AI理解一次表达，首先需要让它了解相关背景。16.0通过任务级信息卡，将用户主动输入的文本、复制的内容或上传的截图，整理为包含时间、地点、人物及相关要求的任务信息，在后续成稿时按需带入，减少同一件事反复查找材料、交代背景的负担。对于个人表达偏好，例如“工作回复尽量简短，别太客套”，基于用户主动授权形成长程记忆，并在相关场景中使用，让生成内容更符合自己的表达习惯。
真正的产品能力，还体现在对介入时机和用户习惯的判断上。输入法里很多问题看起来很小，发生频率却极高：生成结果多等一会儿，就会打乱聊天节奏；用户改过的内容不能被系统轻易覆盖；AI 推荐太频繁，就会打扰正常输入。不同用户的偏好也不一样，有人要准确，有人要保留口语感，还有人明确不喜欢千篇一律的 AI 腔。
在此前的 AI 助手和智能体平台上，用户和创作者就可以定义 AI 帮自己沟通、表达和创作的方式，把具体要求做成能够反复使用的技能。
目前平台上已有超过 30 万个表达技能、15 万名技能创作者，覆盖超过 1 万个表达场景。这些由真实场景沉淀下来的技能，成为意图成稿可以持续扩展的基础。
个性化 AI 键盘的核心不在外观，而在围绕表达场景组织技能：职场汇报配大厂职场技能组，游戏社区配对应的社区技能组，表白场景配恋爱军师技能组；用户还可以在技能坞里安排自己最常用的能力。16.0 会根据用户正在表达的意图和上下文主动匹配技能，比如在输入框里写到「工作汇报」，就推荐相关的职场沟通能力。
作为“语音输入”的开创者和引领者，讯飞输入法再次推动语音输入进入真正的“大模型时代”。支撑“意图成稿”的，既有语音识别与大模型技术的持续积累，也有讯飞输入法16年来对用户需求的理解和产品实践，依赖于对海量真实表达场景的深度理解。依托此前布局的AI助手和智能体平台，讯飞输入法已积累了15万名创作者，其构建出的超过30万个表达技能、覆盖超过1万个真实的表达场景。正是在此基础上，讯飞输入法16.0将语音识别、任务理解和成稿交付贯通，推动语音输入从记录用户说了什么，走向帮助用户完成想要的表达。
所以，第三代语音输入的答案，不只是模型更大，而是能把技术积累真正变成用户每一次表达都用得上的能力。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。
关键词：
