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？

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。

先听准，再写顺，才能懂意图

比如，一条任务里的人名、时间或者金额听错了，后面即使写得很流畅，也可能把事情说错。语音识别是整条链路的入口，入口一旦出错，后面的环节从一开始就走偏了。

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。

在复杂场景中，识别基础仍然是可以被感知的产品能力：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%。

在表达成稿方面，讯飞输入法16.0覆盖语义修正与顺滑、表达润色与风格化、输入中改口澄清三层能力。系统结合动态上下文与文本多任务协同，参考多轮历史、历史修改对、热词及个性化信息，完成文本纠错、口语顺滑和标点优化，将口语化表达整理为自然、规范的文字；对于同一段内容，系统还可以根据沟通对象和场景调整表达方式，使客户沟通更正式、同事交流更简洁；用户在说话过程中临时改口或补充说明时，系统通过流式意图判断区分正文与修改指令，在落实修改要求的同时保持原任务不变，实现边输入、边修改。

比如，口述集合安排时临时改了时间，可以直接说：「把十一点半改成十二点，地点不变。」这里要分清的，是哪些话该写进正文，哪些话是在下修改指令。说清「把……改成……」，就不用自己删掉重打。针对这类明确的修改指令，流式意图判断会一边听，一边分清哪些是正文、哪些是在改正文，再更新对应的部分。

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%。

识别准确只是第一步，表达组织才是新问题

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。

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。

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。讯飞输入法16.0据此提出“意图成稿”：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。

从一句话，走向一次完整表达

支撑这一过程的是一条多段链路：多模态上下文编译器把截图、语音和文档转换成结构化上下文；意图理解判断用户想完成什么任务，场景理解确定适合沟通对象的表达策略；任务规划器决定是否需要检索资料、读取记忆；最后由生成器组织候选文稿，交给用户审阅确认。用户的修改结果，也会在主动授权的前提下被记录下来，用于后续的记忆巩固和个性化迭代。

难点在整条链路的协同，其中最关键的两环是意图理解和记忆模块：前者决定「这次要做什么」，后者决定「怎么做才更像用户」，避免「让别人一眼就看出来是 AI 生成的」。模型生成一段文字，只是表达的一个起点。资料怎么带进来、结果怎么修改、等待时间能否接受，都要一并解决。

材料写的是「视频初版已出、待审核」，就不能被总结成「视频已经完成」。用户仍要做最终判断：补充系统无法确认的事实，决定风险怎么表达、要不要做承诺。生成之后，还可以继续要求「压缩成三句话」「把风险放在前面」。飞飞助手也仍保留在产品中，负责局部、明确的快速编辑，意图成稿则负责整体的组织表达。

忠实记录和表达成稿减少的是输入和编辑的工作，前提是用户已经想好了要说什么；意图成稿则开始分担内容组织的工作。三者长期共存，用户想留原话时就忠实记录，需要组织时再获得帮助。