Голосовой ввод в Китае учится писать за вас: от диктовки к готовому тексту

Инструмент, который «и так всех устраивал», за год превратился в одну из самых тесных арен китайского ИИ. Между ноябрём 2025 года и маем 2026-го на рынок вышли как минимум три новых ИИ-клавиатуры от крупных игроков, а WeChat добавил в свой ввод функцию «隔空傳送» («передача по воздуху»). Главный фронт борьбы теперь голосовой ввод, и ставка в нём сделана на смену задачи: система слушает не слова, а намерение пользователя и сразу отдаёт готовый текст.

Хронология: четыре захода за семь месяцев

Отсчёт ведёт осень 2025-го. Вот что известно о ходе событий:

• Doubao Input: запуск в ноябре 2025 года. Doubao — ИИ-ассистент ByteDance, и клавиатура стала для него новой точкой входа на телефон.
• Десктопный ИИ-ввод Zhipu: декабрь 2025 года. Zhipu известна как разработчик собственных больших моделей и пошла не на мобильный, а на настольный сегмент.
• Голосовой ввод Qianwen: май 2026 года. Qianwen — потребительский ИИ-бренд экосистемы Alibaba, и в этот раз акцент сделан именно на голосе.
• Ввод WeChat с функцией «隔空傳送»: инструмент для быстрой передачи набранного между устройствами. Он опирается на огромную аудиторию мессенджера.

Запуски идут почти подряд, раз в один-два месяца. Для рынка, который раньше менялся годами, это очень быстрый темп.

Почему клавиатура стала стратегическим плацдармом

Клавиатура стоит в начале почти любого пользовательского сценария: сообщение, письмо, поисковый запрос, заметка, промпт для чат-бота. Кто контролирует этот слой, видит намерение пользователя раньше любого приложения и может встроить модель прямо в момент создания текста. Для компании с собственной LLM это самый короткий путь от модели до ежедневной привычки: не нужно просить человека открывать отдельный чат.

Голос усиливает эффект. Обычная диктовка давно стала нормой, но она требует правки: люди говорят с паузами, повторами, оговорками и перескакивают между мыслями. Новое поколение ИИ-вводов берёт на себя эту работу. Пользователь произносит суть, например «напиши коллеге, что встреча переносится на четверг, и извинись», и получает аккуратное сообщение нужного тона. Расшифровка превращается в генерацию, а значит, качество зависит уже не только от распознавания речи, но и от языковой модели, которая понимает контекст и стиль.

Что это меняет для рынка

У такой схемы есть и слабые места. Генерация вместо расшифровки означает, что система может переформулировать сказанное не так, как хотел автор. Появляется вопрос доверия: насколько точно итоговый текст передаёт мысль и где граница между помощью и подменой. Вторая проблема связана с данными. Ввод видит всё, что человек пишет и произносит, поэтому вопросы обработки на устройстве и в облаке становятся для клавиатур такими же важными, как точность распознавания.

При этом конкуренция идёт не по одной оси. Doubao и Qianwen привязаны к экосистемам своих ИИ-ассистентов, Zhipu выбрала десктоп, а WeChat использует связку между устройствами и встроенную аудиторию. Выиграет, скорее всего, тот, у кого сложится лучшее сочетание качества модели, скорости отклика и удобства в повседневных приложениях.

На что смотреть при выборе

Если вы пробуете такие вводы, проверяйте три вещи. Первое: как система ведёт себя с речью, в которой смешаны языки и профессиональные термины. Второе: можно ли быстро увидеть исходную расшифровку рядом с готовым текстом, чтобы поймать искажения. Третье: где обрабатывается голос и что сохраняется. Для команд и компаний, которые делают продукты на базе LLM, вывод проще: поле, где модель встречает пользователя в момент создания текста, оказалось не менее ценным, чем чат-окно, и конкуренция там только начинается.