CNET科技行者一款“语音实时转文字”工具,引出搜狗人工智能战略

一款“语音实时转文字”工具,引出搜狗人工智能战略

  • 分享文章到微信

    扫一扫
    分享文章到微信

  • 关注官方公众号-至顶头条

    扫一扫
    关注官方公众号
    至顶头条

就在一周前搜狗宣布赴美上市计划的当天,搜狗公司CEO王小川在员工内部信中写了这样一句话:“已经没有人会怀疑搜狗的生存问题了,唯一的悬念是搜狗是否能在搜索领域实现颠覆,是否能在人工智能领域引领重大的创新。”一时间,王小川的“悬念”成为看点。

作者:周雅 来源:CNET科技行者 2017年8月10日

关键字:搜狗 搜狗听写 语音识别 人工智能 深度学习 速记

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计划的当天,搜狗公司CEO王小川在员工内部信中写了这样一句话:“已经没有人会怀疑搜狗的生存问题了,唯一的悬念是搜狗是否能在搜索领域实现颠覆,是否能在人工智能领域引领重大的创新。”一时间,王小川的“悬念”成为看点——8月8日,搜狗正式迎来了第一款语音技术产品“搜狗听写”。

语音实时转文字背后有深度学习技术

搜狗听写的定位是“文字工作者的速记工具”。针对写文章、采访录音、会议记录、笔记整理 、日常记事等场景,以实现高效记录和信息输入。

搜狗听写最亮眼的功能在于“听写”和“转写”两种模式。“听写”模式下,录音的同时可以实时识别结果;而“转写”模式下则可以离线录音,录音完成后一次性获取文字结果。

搜狗

除此之外还有诸如支持手机边听边改、无线标重点(蓝牙打点)、多客户端同步、信息分享、摘要、断点续录等人性化功能,另外,针对图书馆、咖啡厅等安静场所,搜狗听写提供耳语识别技术——人说话音量低至30分贝时,依然可以准确识别。

被牛露云称作“大杀器”的一个功能,是搜狗听写与搜狗输入法的个人词库已经打通,可以视为媒体撰稿人之间文字互通的功能。

搜狗

关于下载,搜狗听写除了支持Android、IOS版本之外,还开发了Windows版,Windows版特别针对会议场景,观众可以直接看到会议演讲者的实时字幕,字幕可能是直接文字的转写结果,也有可能是双语、多语对照结果,观众甚至可以直接扫码获取当天的录音和文本结果。

这样一款语音识别产品,实际上是基于深度学习技术,以提升复杂场景识别效果。

说到深度学习,离不开三要素:有没有大数据,有没有好的深度学习算法,以及能不能让深度学习算法在深度学习平台上高效运转。

搜狗语音交互中心技术总监陈伟介绍,关于大数据,“搜狗输入法每天语音识别的PV是2.6亿次,产生的语料规模是22万小时。”关于算法,搜狗早期较多使用深度神经网络,随后尝试了CN算法、LSTM的算法,现在转为CN+LSTM+DN的端到端的算法,可以更高效,准确率更高。

有了数据+算法,接下来就是运算,如何高效的给出模型以快速部署到线上,关键在于搜狗的深度学习平台。“我们可以在自有的深度学习平台上调动上百块算卡,快速的给出模型。”陈伟说。

实际上,目前市场不乏与搜狗听写同类型的语音识别产品,譬如科大讯飞早期推出的讯飞听见等,相较而言,搜狗听写的差异化在哪?搜狗语音交互中心负责人王砚峰答道,搜狗听写存在优势:

1、讯飞对应的产品,如讯飞听见、讯飞录音宝等,是不能支持长时间录音、并且免费转写的。而搜狗是首次做了长时录音设置,并且支持免费转写。

2、搜狗的产品是面向垂直场景,包括记者采访的场景、作家写作的场景等等。这些功能虽小,但很关键,体现在具体场景下,怎么绞尽脑汁的想尽办法,帮朋友解决问题。

3、搜狗听写支持手机端和Windows,还有语音实时转文字、边听边改、标重点、快速查找、多端同步、不限时长录音等人性化功能。

4、依托搜狗日均超过2.6亿次的语音请求,搜狗拥有海量的真实语料数据,可以使机器不断学习,不断提升识别准确率,可应用的场景也越来越广泛。

对于搜狗转写是否永久免费这个问题,王砚峰坦言,目前肯定是免费的,至于之后会不会收费,并不完全确定。至少按照现有的产品形态,可以肯定的是,在相当长时间内不考虑使用这个产品来赚钱。“作为一家互联网公司,通过技术来收取技术服务费不是搜狗的商业逻辑。至少到现在为止,搜狗还不想通过产品收费的方式来进行商业变现。”

搜狗

搜狗语音交互中心负责人王砚峰 

自然交互+知识计算背后是AI平台

搜狗听写不会是搜狗唯一的一款人工智能产品,在王小川的规划中,人工智能是搜狗下一阶段的重要战略。

早在2012年,搜狗便开始研发智能语音技术,并开始布局相关产品的落地。去年8月3日,搜狗举行知音引擎发布会,取得机器翻译的突破。跟进当时世界上最领先的机器翻译的深度学习框架(基于attion的端到端的框架),加上搜狗之前的语音识别基础,用3个月时间,搭建起知音引擎,成功的应用于去年的乌镇互联网大会,该引擎在今年5月份夺得WMT2017中英机器翻译的全球冠军;去年11月份,搜狗又推出机器同传,率先商用化...

这样的案例很多。比如搜狗去年年底推出的答题机器人“汪仔”,“汪仔”面向搜索引擎,实时的抓取海量信息,根据问题的上下文,通过文本的分析、自然语言处理的能力,把用户想要的答案提取出来。在今年5月份GMIS2017会上,“汪仔”与人工速记进行了五轮PK,最终以4:1完胜。

“到现在为止,我们可以很坚定的说,机器的识别能力与人工速记相比,已经取得了本质性的领先。”王砚峰说。

然而尽管如此,语音识别同样存在挑战。王砚峰说,语音识别产品未来要解决的,一是远场的问题——人与人之间的远距离喊话,大家可以听得很清楚,但机器的远距离识别是不好的;二是噪声声音识别问题。

彼时搜狗的人工智能战略还只是个轮廓:自然交互+知识计算,如今,轮廓变为框架,搜狗已经形成一个AI技术体系及平台。

平台由四个阶层组成,底层是大数据和深度学习技术;倒数第二层是语言的AI、语音的AI、图像的AI——搜狗的核心是语言,图像和语音都是围绕语言的交互方式;再上一层就是应用;最顶层就是搜狗的输入法和搜索两款主打产品。

搜狗

至于接下来的规划,王砚峰透露,搜狗下半年将在硬件、软件等场景集中一波攻势:

1、在可穿戴、车载、客厅场景下,自主研发更多的硬件。比如搜狗在上个月已经发布了一款产品“智能副驾”,主打的模式就是通过多轮对话、地图知识和对话能力的结合,打造一个全程纯语音交互的导航。

2、搜狗AI云平台、AI云服务将会服务更多的行业伙伴。

3、在更多的垂直场景下做智能垂直产品。

基于搜狗的语音能力和自然交互能力,在非巨头垄断的行业,搜狗还将尝试做更多硬件产品的自研、试水、投资,或自己研发,或投资一些公司,以合作的方式把这些产品做出来。

在王砚峰看来,不论是车载市场、家庭场景,还是可穿戴市场,虽然玩家很多,但市场格局还未定型。因此,王砚峰认为搜狗完全有信心拿出更多爆款产品或有量产品,来抢占市场份额。


最新文章
热门标签