語音記錄，是記者、編輯、作家等文字工作者們常用的記錄方式。但是，對于記錄者來說，語音并不方便后期的整理、分享和追溯，這也導(dǎo)致聽語音記錄的過程耗時耗力，影響信息的溝通。近日，搜狗推出語音實時變文字的速記工具“搜狗聽寫”，解決會議、采訪、寫作等場景下長語音內(nèi)容轉(zhuǎn)寫難題。

而這僅僅是搜狗AI技術(shù)商業(yè)落地的一小步，目前，搜狗已經(jīng)建立了強大的語音自研團隊，擁有互聯(lián)網(wǎng)規(guī)模最大的語音數(shù)據(jù)。搜狗語音交互技術(shù)中心總經(jīng)理王硯峰介紹，自去年開始進行AI的技術(shù)研發(fā)和布局，已經(jīng)有些產(chǎn)品使用搜狗的AI能力。未來，會在可穿戴、車載、客廳場景下，自主研發(fā)更多的硬件。同時，搜狗也會積極推廣AI云平臺、AI云服務(wù)，服務(wù)更多的行業(yè)伙伴。在更多的垂直產(chǎn)品場景下，做更多好的產(chǎn)品，服務(wù)垂直行業(yè)的用戶群體。

碼字效率提升10倍

如果你是一個文字工作者，肯定經(jīng)常遇到這樣的苦惱：參加會議、外出采訪的音頻文件，整理成文字需要等上幾個小時的時間，手動記錄的話一不小心就會漏掉重點；身邊沒電腦又著急趕稿時，手機打字讓人心急如焚；突然來了靈感，卻苦于不方便記錄讓好想法悄然溜掉……另外在日常工作和生活中還要整理各種各樣的音頻文件，工作效率大打折扣。

針對此痛點，搜狗推出一款可以將語音實時變文字的速記工具“搜狗聽寫”，能夠解決會議、采訪、寫作等場景下長語音內(nèi)容轉(zhuǎn)寫問題，大大提高記者、作家甚至速記工作者的工作效率。

據(jù)了解，搜狗聽寫的功能相當強大，可以支持寫文章、采訪錄音、會議記錄、筆記整理、日常記事等場景，幫助用戶實現(xiàn)高效記錄和信息輸入。而且針對不同場景和需求，搜狗聽寫可以支持“聽寫”和“轉(zhuǎn)寫”兩種模式。

在“聽寫”模式下，錄音的同時即可實時給出識別結(jié)果，話音落文字出，幾乎沒有時間差；而“轉(zhuǎn)寫”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。同時，為了提高文字整理效率，搜狗聽寫還貼心地加入了邊聽邊改、無線標重點、多端同步、信息分享等人性化功能，大幅度提升記錄效率，讓文字編輯更輕松。

另外，搜狗聽寫還有分享功能，支持文字、圖片和鏈接形式，你可以根據(jù)自己的需求選擇分享方式，將轉(zhuǎn)寫出的文本通過微信、QQ、郵件、微博、朋友圈等分享給其他人。

王硯峰表示，“搜狗聽寫作為一款多場景的語音聽寫工具，其產(chǎn)品的關(guān)鍵在于語音識別準確率，而通過大規(guī)模的優(yōu)質(zhì)語音訓練數(shù)據(jù)和深度學習的技術(shù)能力積累，搜狗也將這種語音識別的技術(shù)優(yōu)勢轉(zhuǎn)化到了更多的適用場景中。”

技術(shù)實力保障場景識別準確率

場景中的語音識別最考驗技術(shù)的扎實度，用戶最關(guān)心的也是語音轉(zhuǎn)寫準確率。據(jù)了解，為了保證在各種復(fù)雜場景下都能精準轉(zhuǎn)寫，搜狗聽寫采用了大量的前沿技術(shù)。在轉(zhuǎn)寫方面，搜狗聽寫使用了搜狗知音獨家研發(fā)的長時語音轉(zhuǎn)寫技術(shù)，并與業(yè)內(nèi)領(lǐng)先的端到端深度神經(jīng)網(wǎng)絡(luò)技術(shù)深度整合。

由于采用了業(yè)內(nèi)領(lǐng)先的端到端深度神經(jīng)網(wǎng)絡(luò)技術(shù)，搜狗聽寫的語音識別準確率已經(jīng)達到業(yè)內(nèi)領(lǐng)先水平，在支持自動標點的能力方面，可以根據(jù)語義自動添加標點，標點類型在滿足逗號、句號、問號、嘆號的基礎(chǔ)上，還率先擴充了書名號。

根據(jù)搜狗語音交互技術(shù)中心技術(shù)總監(jiān)陳偉介紹，搜狗聽寫使用了搜狗知音引擎的長時語音轉(zhuǎn)寫技術(shù)，從立項到現(xiàn)在，錯誤率已經(jīng)下降了30%。在聲學模型方面，采用了端到端深度神經(jīng)網(wǎng)絡(luò)技術(shù)Deep LC-CLDNN+CTC技術(shù)，轉(zhuǎn)寫模式則使用了Deep CNN+CTC的方式，語言模型基于T級海量輸入法文本數(shù)據(jù)使用神經(jīng)網(wǎng)絡(luò)進行建模。

“從去年年底想做這款產(chǎn)品的時候，我們就在考慮，在技術(shù)上永遠不可能做到100%。反過頭來，看大家的需求是什么。大家最關(guān)心的是怎么方便大家進行文檔的整理，怎么能夠更方便進行內(nèi)容的查找。”王硯峰表示，這款產(chǎn)品識別準確率已經(jīng)達到領(lǐng)先水平，但做產(chǎn)品的過程中并不是技術(shù)導(dǎo)向，而是產(chǎn)品導(dǎo)向。重點在怎么更多地結(jié)合用戶的場景和需求，把需求和場景結(jié)合起來成為好的聽說產(chǎn)品。

因此，據(jù)了解，在應(yīng)用場景上，搜狗聽寫針對用戶的使用場景，如開會，寫小說等場景進行優(yōu)化，識別效果較通用效果提升15%以上；還針對圖書館、咖啡廳等不便于大聲說話而又有使用語音的場景，提供耳語識別技術(shù)，在人的說話音量低至30分貝時，依然可以準確識別。

在工作移動化、時間碎片化的今天，如果你經(jīng)常面臨需要錄音的工作，不妨試試搜狗聽寫，相信工作效率會大大提升。據(jù)了解，搜狗聽寫有iOS和安卓兩個版本，用戶可根據(jù)自身需求下載安裝體驗。

人工智能是新“賽道”

語音速記是語音識別技術(shù)的應(yīng)用之一，主打AI的搜狗也是其中一家，目前，搜狗已經(jīng)建立了強大的語音自研團隊，擁有互聯(lián)網(wǎng)規(guī)模最大的語音數(shù)據(jù)。

王硯峰介紹，搜狗知音是搜狗一年前發(fā)布的語音交互引擎，主打“自然交互＋知識計算”的技術(shù)戰(zhàn)略。發(fā)展一年之后，目前已經(jīng)完善了引擎架構(gòu)：基于搜狗輸入法和搜索引擎兩個入口，以大數(shù)據(jù)＋深度學習為基礎(chǔ)，上層建造語言 AI＋語音AI＋圖像AI，再延伸至對話、翻譯、TTS、OCR、識圖等。搜狗的語音識別技術(shù)服務(wù)的日訪問量也從2015年的0.55億次/日一路發(fā)展到2017年的2.6億次/日。為搜狗智能語音系統(tǒng)提供了海量的真實語料數(shù)據(jù)，使得機器不斷學習，識別準確率越來越高，可應(yīng)用的場景也越來越廣泛。

事實上，AI是搜狗未來重要的核心戰(zhàn)略。搜狗CEO王小川也很早就為搜狗寫下了人工智能的新故事。王小川曾表示，“人類對于人工智能的終極描繪，始終是同人一樣進行自然的語言交流，這也是搜狗人工智能的發(fā)展目標。”而以語言理解為核心，讓輸入法走向?qū)υ捪到y(tǒng)，讓搜索走向問答系統(tǒng)的搜狗，勢必也將成為未來智能生活最重要的入口之一。

不久前，王小川在發(fā)給內(nèi)部的全員信中表示，搜狗已完成了向移動的轉(zhuǎn)型。王小川在內(nèi)部信中把搜索比作“競爭激烈的賽道”，稱搜狗取得了階段性成功，人工智能則是下一個賽道。在他看來，未來搜狗將繼續(xù)以語言為核心，在“自然交互+知識計算”的技術(shù)路線圖上繼續(xù)探索，改進人機交互界面，研發(fā)未來交互問答式的下一代搜索引擎新形態(tài)，成為中國人工智能領(lǐng)域的創(chuàng)新者和引領(lǐng)者。

堅持差異化產(chǎn)品布局，著力人工智能是搜狗搜索穩(wěn)居第二的關(guān)鍵所在。在王小川看來，“搜索即AI”，業(yè)務(wù)上也呈現(xiàn)出機器翻譯、輸入法、AI開放平臺等多條產(chǎn)品線并發(fā)的局面。未來的顛覆性技術(shù)力量是人工智能，而搜狗是為語言理解而生。“我們將基于對自然語言的交互和計算，將搜索升級到問答系統(tǒng)，將輸入法升級到對話系統(tǒng)，并通過翻譯將中文世界與全世界連接。”

AI商業(yè)應(yīng)用年底持續(xù)落地

隨著語音識別性能力的提升和市場教育的完成，基于語音交互的垂直場景應(yīng)用將日益成熟。行業(yè)預(yù)測，未來1~3年將迎來產(chǎn)業(yè) 高速發(fā)展期。同時，基于智能語音交互垂直場景如，家居、車載、可穿戴、機器人等將備受追捧。

在此背景之下，此次推出搜狗聽寫產(chǎn)品，是搜狗語音深入用戶垂直場景下的又一個全新探索，通過更加專注于特定的場景和人群，去理解用戶需求、解決實際問題，從而讓語音技術(shù)為更多人所用。

按照過往的行業(yè)發(fā)展經(jīng)驗，產(chǎn)品落地孰先孰后，似乎并不是決定性的因素，可是目之所及，人工智能的產(chǎn)品落地，已經(jīng)趨向白熱化了。綜合搜狗在人工智能上的產(chǎn)品布局，我們可以清晰地發(fā)現(xiàn)，讓人工智能更“接地氣”，已經(jīng)成為搜狗在人工智能領(lǐng)域的獨特標志。

王硯峰表示，在未來一年里，搜狗AI將會在更多的產(chǎn)品落地：一是可穿戴、車載、客廳場景內(nèi)自主研發(fā)更多硬件；二是進一步推廣AI云平臺；三是在更多用戶垂直場景下，推出更多用戶產(chǎn)品。

“搜狗聽寫與其他的差異在于兩點，一是其他產(chǎn)品不能像搜狗聽寫那樣支持長時間錄音＋免費轉(zhuǎn)寫支持，二是搜狗聽寫更面向垂直場景，在記者采訪、作家寫作等場景下進行了功能優(yōu)化（比如加入遠程藍牙標注重點技術(shù)），為用戶帶來更好的產(chǎn)品體驗。”在回答競爭力的問題上，王硯峰顯得信心十足，而且有著清晰的邏輯。

在搜狗看來，在車載和家庭市場，雖然玩家很多，但市場格局還沒有形成。當市場格局還沒有形成，且距市場成熟期還很早的時候，就有機會快速地搶占市場，開發(fā)自己的產(chǎn)品，并且掌握市場份額。

除了自我研發(fā)智能硬件，搜狗還將以開放的態(tài)度共享AI技術(shù)。王硯峰表示，目前的中小開發(fā)者對于智能語音入口的產(chǎn)業(yè)格局是形不成有力威脅的，牌還是在巨頭的手上。搜狗做這件事情是為了搶奪未來的語音入口，會找適合自己的幾款，最有用戶痛點的幾款硬件，同時也會與合作伙伴合作，這兩個之間并不存在非此即彼的關(guān)系，它們之間是互補的關(guān)系。