大模型爆发第三年，语音输入进入第三代：意图成稿

2026 年，输入法，这个陪伴了几代人、常被认为「够用就行」的工具，忽然成了 AI 行业最拥挤的赛道之一，语音输入则是这场争夺的焦点。

文字出得越来越快，表达未必跟着变快。如果文字已经出得很快了，为什么回复一条消息，有时仍然要花好几分钟？这几分钟，究竟花在哪儿了？

把一次真实的表达拆开看，用户要先组织内容，再输入成文本，最后润色、规整、校对。后两步正在成为行业标配，第一步却仍然留给用户自己。被领导问到「发布准备得怎么样了」，真正花时间的是翻遍几个工作群、从截图里摘出进度、想清楚先说哪句。

10 月 22 日，在科大讯飞全球 1024 开发者节上发布的讯飞输入法 16.0，把这一步作为新版本的核心命题，提出「意图成稿」。

从记录语言到完成表达任务

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。

大模型补上的正是对自然表达和复杂上下文的理解。用户说「这一段太生硬了，帮我客气一点，但是别答应他的时间」，系统要同时理解修改目标、语气要求和不能改动的内容。技术的变化也改变了用户的预期：过去用户习惯先把话想完整，再交给输入法；当他们发现 AI 能根据材料起草回复，就会自然地把「组织表达」也交出来。

用户一直存在的表达痛点和大模型刚刚成熟的能力，在这里形成了最有价值的交集。这也是讯飞把意图成稿定义为第三代语音输入的原因：它不是在「说完就成文」之后多加一个润色按钮，而是把输入法的工作，从记录一句话推进到完成一次表达。

过去，输入法帮助用户把已经想好的话识别成文字，表达之前的准备与组织仍由用户承担，这正是尽管语音转文字很快，但用户仍然为了一句回复、一个表达花费大量时间精力的原因。

融合意图引擎，让一句需求成为可用文稿

意图成稿是改变输入法开始提供帮助的起点，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。

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。

首先，个性化AI键盘为用户提供了任务信息进入的产品入口。用户可以主动输入文本、复制内容或上传截图，将相关材料带入表达任务。多模态上下文编译器对这些材料进行统一处理，转换为结构化上下文。任务级信息卡则将时间、地点、人物及相关要求整理为可复用的任务信息，在后续成稿时按需带入。

在此基础上，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。

随后，任务规划器根据当前的意图、场景和任务状态，决定如何拆分任务，以及是否需要进一步检索资料、读取记忆。其中，短时任务记忆用于承接和补充当前任务的具体信息，长程习惯记忆用于保留经用户授权的表达偏好，例如工作回复尽量简短、先说结论等要求。用户可以查看和管理相关记忆，减少重复交代背景与习惯的负担。

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。

个性化AI键盘，让能力回到输入现场

个性化 AI 键盘把任务信息的提供、表达技能的调用和成稿后的修改，整合进同一个键盘体验。

此外，16.0提供面向不同场景的表达技能组，用户可以将常用技能组合在一起；键盘也会根据当前表达意图主动匹配相关技能，例如输入“工作汇报”时，推荐职场沟通技能。

以「意图成稿」引领新一代智能输入交互，让大模型能力从云端走进日常打字、聊天、写作与办公沟通，把人机交互落到每一次表达里。

第三代语音输入，输入法不只把话变成文字，也开始帮助用户把想完成的事变成可以使用的表达。