CNET科技行者 8月10日 北京消息（文/周雅）：就在一周前搜狗宣布赴美上市計(jì)劃的當(dāng)天，搜狗公司CEO王小川在員工內(nèi)部信中寫(xiě)了這樣一句話：“已經(jīng)沒(méi)有人會(huì)懷疑搜狗的生存問(wèn)題了，唯一的懸念是搜狗是否能在搜索領(lǐng)域?qū)崿F(xiàn)顛覆，是否能在人工智能領(lǐng)域引領(lǐng)重大的創(chuàng)新。”一時(shí)間，王小川的“懸念”成為看點(diǎn)——8月8日，搜狗正式迎來(lái)了第一款語(yǔ)音技術(shù)產(chǎn)品“搜狗聽(tīng)寫(xiě)”。

語(yǔ)音實(shí)時(shí)轉(zhuǎn)文字背后有深度學(xué)習(xí)技術(shù)

搜狗聽(tīng)寫(xiě)的定位是“文字工作者的速記工具”。針對(duì)寫(xiě)文章、采訪錄音、會(huì)議記錄、筆記整理 、日常記事等場(chǎng)景，以實(shí)現(xiàn)高效記錄和信息輸入。

搜狗聽(tīng)寫(xiě)最亮眼的功能在于“聽(tīng)寫(xiě)”和“轉(zhuǎn)寫(xiě)”兩種模式。“聽(tīng)寫(xiě)”模式下，錄音的同時(shí)可以實(shí)時(shí)識(shí)別結(jié)果；而“轉(zhuǎn)寫(xiě)”模式下則可以離線錄音，錄音完成后一次性獲取文字結(jié)果。

除此之外還有諸如支持手機(jī)邊聽(tīng)邊改、無(wú)線標(biāo)重點(diǎn)（藍(lán)牙打點(diǎn)）、多客戶端同步、信息分享、摘要、斷點(diǎn)續(xù)錄等人性化功能，另外，針對(duì)圖書(shū)館、咖啡廳等安靜場(chǎng)所，搜狗聽(tīng)寫(xiě)提供耳語(yǔ)識(shí)別技術(shù)——人說(shuō)話音量低至30分貝時(shí)，依然可以準(zhǔn)確識(shí)別。

被牛露云稱作“大殺器”的一個(gè)功能，是搜狗聽(tīng)寫(xiě)與搜狗輸入法的個(gè)人詞庫(kù)已經(jīng)打通，可以視為媒體撰稿人之間文字互通的功能。

關(guān)于下載，搜狗聽(tīng)寫(xiě)除了支持Android、IOS版本之外，還開(kāi)發(fā)了Windows版，Windows版特別針對(duì)會(huì)議場(chǎng)景，觀眾可以直接看到會(huì)議演講者的實(shí)時(shí)字幕，字幕可能是直接文字的轉(zhuǎn)寫(xiě)結(jié)果，也有可能是雙語(yǔ)、多語(yǔ)對(duì)照結(jié)果，觀眾甚至可以直接掃碼獲取當(dāng)天的錄音和文本結(jié)果。

這樣一款語(yǔ)音識(shí)別產(chǎn)品，實(shí)際上是基于深度學(xué)習(xí)技術(shù)，以提升復(fù)雜場(chǎng)景識(shí)別效果。

說(shuō)到深度學(xué)習(xí)，離不開(kāi)三要素：有沒(méi)有大數(shù)據(jù)，有沒(méi)有好的深度學(xué)習(xí)算法，以及能不能讓深度學(xué)習(xí)算法在深度學(xué)習(xí)平臺(tái)上高效運(yùn)轉(zhuǎn)。

搜狗語(yǔ)音交互中心技術(shù)總監(jiān)陳偉介紹，關(guān)于大數(shù)據(jù)，“搜狗輸入法每天語(yǔ)音識(shí)別的PV是2.6億次，產(chǎn)生的語(yǔ)料規(guī)模是22萬(wàn)小時(shí)。”關(guān)于算法，搜狗早期較多使用深度神經(jīng)網(wǎng)絡(luò)，隨后嘗試了CN算法、LSTM的算法，現(xiàn)在轉(zhuǎn)為CN+LSTM+DN的端到端的算法，可以更高效，準(zhǔn)確率更高。

有了數(shù)據(jù)+算法，接下來(lái)就是運(yùn)算，如何高效的給出模型以快速部署到線上，關(guān)鍵在于搜狗的深度學(xué)習(xí)平臺(tái)。“我們可以在自有的深度學(xué)習(xí)平臺(tái)上調(diào)動(dòng)上百塊算卡，快速的給出模型。”陳偉說(shuō)。

實(shí)際上，目前市場(chǎng)不乏與搜狗聽(tīng)寫(xiě)同類(lèi)型的語(yǔ)音識(shí)別產(chǎn)品，譬如科大訊飛早期推出的訊飛聽(tīng)見(jiàn)等，相較而言，搜狗聽(tīng)寫(xiě)的差異化在哪？搜狗語(yǔ)音交互中心負(fù)責(zé)人王硯峰答道，搜狗聽(tīng)寫(xiě)存在優(yōu)勢(shì)：

1、訊飛對(duì)應(yīng)的產(chǎn)品，如訊飛聽(tīng)見(jiàn)、訊飛錄音寶等，是不能支持長(zhǎng)時(shí)間錄音、并且免費(fèi)轉(zhuǎn)寫(xiě)的。而搜狗是首次做了長(zhǎng)時(shí)錄音設(shè)置，并且支持免費(fèi)轉(zhuǎn)寫(xiě)。

2、搜狗的產(chǎn)品是面向垂直場(chǎng)景，包括記者采訪的場(chǎng)景、作家寫(xiě)作的場(chǎng)景等等。這些功能雖小，但很關(guān)鍵，體現(xiàn)在具體場(chǎng)景下，怎么絞盡腦汁的想盡辦法，幫朋友解決問(wèn)題。

3、搜狗聽(tīng)寫(xiě)支持手機(jī)端和Windows，還有語(yǔ)音實(shí)時(shí)轉(zhuǎn)文字、邊聽(tīng)邊改、標(biāo)重點(diǎn)、快速查找、多端同步、不限時(shí)長(zhǎng)錄音等人性化功能。

4、依托搜狗日均超過(guò)2.6億次的語(yǔ)音請(qǐng)求，搜狗擁有海量的真實(shí)語(yǔ)料數(shù)據(jù)，可以使機(jī)器不斷學(xué)習(xí)，不斷提升識(shí)別準(zhǔn)確率，可應(yīng)用的場(chǎng)景也越來(lái)越廣泛。

對(duì)于搜狗轉(zhuǎn)寫(xiě)是否永久免費(fèi)這個(gè)問(wèn)題，王硯峰坦言，目前肯定是免費(fèi)的，至于之后會(huì)不會(huì)收費(fèi)，并不完全確定。至少按照現(xiàn)有的產(chǎn)品形態(tài)，可以肯定的是，在相當(dāng)長(zhǎng)時(shí)間內(nèi)不考慮使用這個(gè)產(chǎn)品來(lái)賺錢(qián)。“作為一家互聯(lián)網(wǎng)公司，通過(guò)技術(shù)來(lái)收取技術(shù)服務(wù)費(fèi)不是搜狗的商業(yè)邏輯。至少到現(xiàn)在為止，搜狗還不想通過(guò)產(chǎn)品收費(fèi)的方式來(lái)進(jìn)行商業(yè)變現(xiàn)。”

搜狗語(yǔ)音交互中心負(fù)責(zé)人王硯峰

自然交互+知識(shí)計(jì)算背后是AI平臺(tái)

搜狗聽(tīng)寫(xiě)不會(huì)是搜狗唯一的一款人工智能產(chǎn)品，在王小川的規(guī)劃中，人工智能是搜狗下一階段的重要戰(zhàn)略。

早在2012年，搜狗便開(kāi)始研發(fā)智能語(yǔ)音技術(shù)，并開(kāi)始布局相關(guān)產(chǎn)品的落地。去年8月3日，搜狗舉行知音引擎發(fā)布會(huì)，取得機(jī)器翻譯的突破。跟進(jìn)當(dāng)時(shí)世界上最領(lǐng)先的機(jī)器翻譯的深度學(xué)習(xí)框架（基于attion的端到端的框架），加上搜狗之前的語(yǔ)音識(shí)別基礎(chǔ)，用3個(gè)月時(shí)間，搭建起知音引擎，成功的應(yīng)用于去年的烏鎮(zhèn)互聯(lián)網(wǎng)大會(huì)，該引擎在今年5月份奪得WMT2017中英機(jī)器翻譯的全球冠軍；去年11月份，搜狗又推出機(jī)器同傳，率先商用化...

這樣的案例很多。比如搜狗去年年底推出的答題機(jī)器人“汪仔”，“汪仔”面向搜索引擎，實(shí)時(shí)的抓取海量信息，根據(jù)問(wèn)題的上下文，通過(guò)文本的分析、自然語(yǔ)言處理的能力，把用戶想要的答案提取出來(lái)。在今年5月份GMIS2017會(huì)上，“汪仔”與人工速記進(jìn)行了五輪PK，最終以4：1完勝。

“到現(xiàn)在為止，我們可以很堅(jiān)定的說(shuō)，機(jī)器的識(shí)別能力與人工速記相比，已經(jīng)取得了本質(zhì)性的領(lǐng)先。”王硯峰說(shuō)。

然而盡管如此，語(yǔ)音識(shí)別同樣存在挑戰(zhàn)。王硯峰說(shuō)，語(yǔ)音識(shí)別產(chǎn)品未來(lái)要解決的，一是遠(yuǎn)場(chǎng)的問(wèn)題——人與人之間的遠(yuǎn)距離喊話，大家可以聽(tīng)得很清楚，但機(jī)器的遠(yuǎn)距離識(shí)別是不好的；二是噪聲聲音識(shí)別問(wèn)題。

彼時(shí)搜狗的人工智能戰(zhàn)略還只是個(gè)輪廓：自然交互+知識(shí)計(jì)算，如今，輪廓變?yōu)榭蚣埽压芬呀?jīng)形成一個(gè)AI技術(shù)體系及平臺(tái)。

平臺(tái)由四個(gè)階層組成，底層是大數(shù)據(jù)和深度學(xué)習(xí)技術(shù)；倒數(shù)第二層是語(yǔ)言的AI、語(yǔ)音的AI、圖像的AI——搜狗的核心是語(yǔ)言，圖像和語(yǔ)音都是圍繞語(yǔ)言的交互方式；再上一層就是應(yīng)用；最頂層就是搜狗的輸入法和搜索兩款主打產(chǎn)品。

至于接下來(lái)的規(guī)劃，王硯峰透露，搜狗下半年將在硬件、軟件等場(chǎng)景集中一波攻勢(shì)：

1、在可穿戴、車(chē)載、客廳場(chǎng)景下，自主研發(fā)更多的硬件。比如搜狗在上個(gè)月已經(jīng)發(fā)布了一款產(chǎn)品“智能副駕”，主打的模式就是通過(guò)多輪對(duì)話、地圖知識(shí)和對(duì)話能力的結(jié)合，打造一個(gè)全程純語(yǔ)音交互的導(dǎo)航。

2、搜狗AI云平臺(tái)、AI云服務(wù)將會(huì)服務(wù)更多的行業(yè)伙伴。

3、在更多的垂直場(chǎng)景下做智能垂直產(chǎn)品。

基于搜狗的語(yǔ)音能力和自然交互能力，在非巨頭壟斷的行業(yè)，搜狗還將嘗試做更多硬件產(chǎn)品的自研、試水、投資，或自己研發(fā)，或投資一些公司，以合作的方式把這些產(chǎn)品做出來(lái)。

在王硯峰看來(lái)，不論是車(chē)載市場(chǎng)、家庭場(chǎng)景，還是可穿戴市場(chǎng)，雖然玩家很多，但市場(chǎng)格局還未定型。因此，王硯峰認(rèn)為搜狗完全有信心拿出更多爆款產(chǎn)品或有量產(chǎn)品，來(lái)?yè)屨际袌?chǎng)份額。