搜狗AI：不入“紅?！比搿八{(lán)海”

□文/姜姝姝

搜狗AI：不入“紅海”入“藍(lán)?！?/p>

□文/姜姝姝

AI（人工智能）的“黃金時(shí)代”已來(lái)！那離我們最近的AI是什么呢？地圖里的語(yǔ)音入口，機(jī)器翻譯、拍照識(shí)圖、無(wú)人超市，還是最近大熱的智能音箱，比如正式開(kāi)售的可語(yǔ)音購(gòu)物的天貓精靈。但這些真是能解決痛點(diǎn)的AI嗎？

近日，在AI領(lǐng)域贏得先機(jī)并明確將赴美上市的搜狗，推出了一款小眾的免費(fèi)產(chǎn)品——“搜狗聽(tīng)寫(xiě)”，目的是為了解決會(huì)議、采訪、寫(xiě)作等場(chǎng)景下長(zhǎng)語(yǔ)音內(nèi)容轉(zhuǎn)寫(xiě)難，可以將語(yǔ)音實(shí)時(shí)轉(zhuǎn)變成文字，并能標(biāo)注重點(diǎn)、邊寫(xiě)邊改進(jìn)行文字編輯。

“聽(tīng)寫(xiě)”和“轉(zhuǎn)寫(xiě)”為文字工作者減負(fù)

采訪一小時(shí)，整理錄音三小時(shí)，寫(xiě)稿兩小時(shí)……這是《機(jī)器人產(chǎn)業(yè)》雜志記者的工作常態(tài)，相信也是大多數(shù)同行的日常，而且除了記者編輯，包括職業(yè)寫(xiě)作者、會(huì)議記錄整理者在內(nèi)的不少文字工作從業(yè)人員都有相似遭遇。

當(dāng)然，人工速記能夠解決部分難題，但一有專業(yè)性的門(mén)檻，有些速記記錄的術(shù)語(yǔ)實(shí)在不忍多看；二是時(shí)間上需要排期，費(fèi)用上也需要考慮，并不是所有的“扒速記”工作都能如愿“轉(zhuǎn)包”出去。當(dāng)然，市面上也有類似的工具，提供付費(fèi)的轉(zhuǎn)寫(xiě)服務(wù)，只是準(zhǔn)確率仍差強(qiáng)人意。

再看“搜狗聽(tīng)寫(xiě)”這款免費(fèi)的APP，確實(shí)是擊中了部分人的需求。從功能上看，提供包括“聽(tīng)寫(xiě)”和“轉(zhuǎn)寫(xiě)”在內(nèi)的兩種模式：“聽(tīng)寫(xiě)”模式可在錄音的同時(shí)給出實(shí)時(shí)識(shí)別結(jié)果；“轉(zhuǎn)寫(xiě)”模式則可在離線狀態(tài)下錄音，錄音完成后一次性獲取文字結(jié)果。

它還提供邊聽(tīng)邊改（保存錄音后，可以邊聽(tīng)錄音邊修改文字）、根據(jù)語(yǔ)義自動(dòng)添加標(biāo)點(diǎn)、支持文本/語(yǔ)音標(biāo)重點(diǎn)、多客戶端同步、信息分享等功能，并且在人的說(shuō)話音量低至30分貝時(shí)，依然可以識(shí)別。

值得一提的是它的“大殺器”功能，可以根據(jù)記者、作家、自媒體等文字工作者的需要，連接搜狗輸入法的個(gè)人詞庫(kù)，引入個(gè)性化詞匯，比如《機(jī)器人產(chǎn)業(yè)》的公眾號(hào)機(jī)器人圈的昵稱“圈圈”估計(jì)就屬于獨(dú)門(mén)。

此外，“搜狗聽(tīng)寫(xiě)”還將推出Windows版，專注大會(huì)場(chǎng)景的實(shí)時(shí)速記。

“喂”數(shù)據(jù)才能更強(qiáng)大

對(duì)于有著強(qiáng)大需求的《機(jī)器人產(chǎn)業(yè)》雜志記者，在現(xiàn)場(chǎng)已經(jīng)迫不及待地試用了一下產(chǎn)品。

對(duì)此，機(jī)器人圈記者也采訪了搜狗公司語(yǔ)音交互技術(shù)中心總經(jīng)理王硯峰。他表示，所有的搜狗語(yǔ)音類產(chǎn)品背后都是知音引擎，不過(guò)，一般面向具體的場(chǎng)景會(huì)有優(yōu)化，有專門(mén)的語(yǔ)音模型。在演講、聊天的場(chǎng)景下，和車載、會(huì)議以及手機(jī)近場(chǎng)說(shuō)話的語(yǔ)音模型都是不盡相同的。

搜狗語(yǔ)音交互技術(shù)中心技術(shù)總監(jiān)陳偉還介紹，“搜狗聽(tīng)寫(xiě)”使用了搜狗知音引擎的長(zhǎng)時(shí)語(yǔ)音轉(zhuǎn)寫(xiě)技術(shù)，從立項(xiàng)到現(xiàn)在，錯(cuò)誤率已經(jīng)下降30%。在聲學(xué)模型方面，它采用了端到端深度神經(jīng)網(wǎng)絡(luò)技術(shù)Deep LCCLDNN+CTC技術(shù)，轉(zhuǎn)寫(xiě)模式則使用了DeepCNN+CTC的方式，語(yǔ)言模型基于T級(jí)海量輸入法文本數(shù)據(jù)使用神經(jīng)網(wǎng)絡(luò)進(jìn)行建模。

記事寫(xiě)作比訪談錄音呈現(xiàn)出來(lái)的準(zhǔn)確性更高

此外，影響準(zhǔn)確度的還有硬件降噪，手機(jī)的降噪能力是比較弱的，尤其手機(jī)在遠(yuǎn)場(chǎng)的識(shí)別率不高，原因就在硬件上手機(jī)并沒(méi)有面向遠(yuǎn)場(chǎng)識(shí)別的麥克風(fēng)陣列。

還有一個(gè)重要的原因是數(shù)據(jù)的不足，“喂”數(shù)據(jù)訓(xùn)練模型提高準(zhǔn)確度已經(jīng)是產(chǎn)業(yè)界公開(kāi)的秘密，實(shí)時(shí)語(yǔ)料數(shù)據(jù)也將成為這一領(lǐng)域的真正“壁壘”，所以希望準(zhǔn)確度提高，也離不開(kāi)每個(gè)用戶的支持。

“自然交互＋知識(shí)計(jì)算”的技術(shù)路線圖

當(dāng)語(yǔ)音領(lǐng)域的隊(duì)友們都在“刷音箱”，為什么搜狗卻做了一款“小眾”的轉(zhuǎn)寫(xiě)APP呢？稍微回顧一下搜狗在語(yǔ)言領(lǐng)域的布局。在2016年6月的搜狗輸入法十周年活動(dòng)上，搜狗CEO王小川就提出了將人工智能定位搜狗輸入法的下一階段戰(zhàn)略發(fā)展的新方向，搜狗CTO楊洪濤則首次透露了搜狗輸入法的快速分享、聰明回復(fù)和妙筆修飾等目前正在研發(fā)的三個(gè)能夠增強(qiáng)用戶表達(dá)能力的人工智能新技術(shù)；而在7月的奇點(diǎn)創(chuàng)新者峰會(huì)上，王小川更是直接邀請(qǐng)一名現(xiàn)場(chǎng)觀眾上臺(tái)直接演示完全通過(guò)自然語(yǔ)音來(lái)發(fā)送一段短信息。

2016年8月，搜狗知音引擎發(fā)布，正式確立“自然交互＋知識(shí)計(jì)算”的重點(diǎn)，將智能語(yǔ)音視為入口，并與場(chǎng)景相結(jié)合。當(dāng)互聯(lián)網(wǎng)公司和提供AI技術(shù)服務(wù)的公司進(jìn)入了同一賽道，他們的“占位”方式還是略有差異。

在不久前，搜狗CEO王小川在給員工的內(nèi)部信件中寫(xiě)到：搜狗是為語(yǔ)言理解而生的，除了搜索引擎對(duì)語(yǔ)言理解有無(wú)盡的追求，搜狗更有市場(chǎng)份額絕對(duì)領(lǐng)先的輸入法產(chǎn)品，也專注在自然語(yǔ)言的計(jì)算與處理。正因?yàn)橛休斎敕ê退阉?，搜狗天然具備了啃這塊骨頭的能力。搜狗將基于對(duì)自然語(yǔ)言的交互和計(jì)算，將搜索升級(jí)到問(wèn)答系統(tǒng)，將輸入法升級(jí)到對(duì)話系統(tǒng)，并通過(guò)翻譯將中文世界與全世界連接。

其實(shí)更通俗的理解是，作為一家?guī)в蠥I基因的互聯(lián)網(wǎng)公司，搜狗并不認(rèn)為技術(shù)是能直接變現(xiàn)的，用戶積累、硬件落地才是更合理的方式。如果說(shuō)，“搜狗聽(tīng)寫(xiě)”是一個(gè)小創(chuàng)新的話，我們期待在人工智能領(lǐng)域重大的創(chuàng)新早日到來(lái)。

姜姝姝本刊副總編輯