从语音识别到意图成稿：讯飞输入法引领语音输入进入第三代
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。
第一代：忠实记录——把用户说的话准确记下来
2010年，讯飞输入法行业首创中文语音输入，引领输入方式从逐字敲击走向开口说话。第一代解决的是“忠实记录”，核心是尽可能准确地识别用户说了什么，重点解决方言、噪声、中英混合等问题。
这项基本功到了讯飞输入法16.0仍在升级。在忠实记录方面，16.0接入讯飞星火Spark-ASR-2.0语音识别大模型，方言支持达202种、识别准确率由85%提升至91%；对于复杂的声学场景，不论是小音量还是高噪声，准确率也都有了明显改善。在中英文专业词混合场景中，英文槽准率从33%提升到80%。
这些能力共同构成了第三代语音输入的基础。只有先把用户的话准确记录下来，后面的语义修正、表达润色和意图理解，才有可靠的输入基础。
第二代：表达成稿——把口语整理成可用文字
听准了，口语却未必能直接发出去。于是，第二代「表达成稿」接着往下做：把听到的话，整理成一段能读的文字。
在表达成稿方面，16.0覆盖修正顺滑、润色与风格化、输入中改口与澄清三层能力：将口语化表达整理为自然、规范的文字，根据沟通对象与场景调整表达方式，并在用户说话过程中理解和落实修改要求。据本次发布资料，升级后用户平均编辑距离减少34%，30字以上长句的识别结果直接采纳率提升40%。
之所以说「意图成稿」是语音输入的下一个方向，是因为前两代都默认用户已经想好了要说什么，而真实表达中最费工夫的部分其实发生在开口之前。
第三代：意图成稿——从表达意图出发组织内容
“意图成稿”是基于大模型的意图理解、上下文处理和内容生成能力，让输入法有机会在用户产生表达意图时就开始提供帮助。用户说明想完成的表达任务并提供必要信息，由输入法组织内容，生成供用户确认和使用的文稿。
它不止关注用户说了什么，还关注用户想完成什么任务、面对什么对象，以及最终应该形成怎样的表达。
以项目进度汇报为例，面对领导询问“输入法16.0准备得怎么样了”，需要汇总研发进展、视频制作和彩排安排，再整理成一段重点清晰的回复。在用户已经主动提供相关任务信息的基础上，讯飞输入法16.0能够根据汇报要求，按职场沟通的方式组织重点，带入项目进展和时间节点，并结合用户的表达习惯调整称呼与措辞。生成的文稿直接回到输入框，由用户确认后发送。
这一过程，由上下文处理、意图与场景理解、任务规划和成稿生成等环节共同完成。
意图引擎判断表达任务、明确任务目标与相关要求，结合场景理解选择合适的表达策略，共同为任务规划提供依据。最后，生成器综合前述信息形成候选文稿，并在AI键盘中呈现，供用户确认或修改后使用。