搜狗語(yǔ)音交互技術(shù)中心總經(jīng)理王硯峰

搜狗推出語(yǔ)音轉(zhuǎn)寫(xiě)文字工具“搜狗聽(tīng)寫(xiě)”，基于搜狗知音引擎的長(zhǎng)時(shí)語(yǔ)音聽(tīng)寫(xiě)技術(shù)，可實(shí)現(xiàn)小時(shí)級(jí)文字轉(zhuǎn)寫(xiě)功能，文本語(yǔ)音同時(shí)生存?，F(xiàn)已上線(xiàn)Android、iOS移動(dòng)端和Web版本，提供“聽(tīng)寫(xiě)”和“轉(zhuǎn)寫(xiě)”兩種模式，辦事免費(fèi)，主要面向記者、編纂、作家等文字工作者。

活動(dòng)現(xiàn)場(chǎng)，搜狗方面體現(xiàn)，后期將重點(diǎn)推進(jìn)人工智能技術(shù)的落地，并透露將在可穿戴、車(chē)載、客廳等場(chǎng)景領(lǐng)域自主研發(fā)硬件。搜狗方面透露，搜狗將于近期推出一款面向家庭和兒童的機(jī)器人產(chǎn)品。

據(jù)介紹，搜狗語(yǔ)音輸入法錯(cuò)誤率已經(jīng)下降到3.8%，語(yǔ)音識(shí)別辦事每日請(qǐng)求PV為2. 6 億次，每天產(chǎn)生語(yǔ)料 22 萬(wàn)小時(shí)?；谝?guī)模性的用戶(hù)語(yǔ)音數(shù)據(jù)，聽(tīng)寫(xiě)產(chǎn)品將搜狗的語(yǔ)音識(shí)別、自然語(yǔ)言理解等技術(shù)進(jìn)一步延展落地。

傳統(tǒng)語(yǔ)音轉(zhuǎn)錄產(chǎn)品主要包孕兩大類(lèi)，錄音類(lèi)、語(yǔ)音輸入法+備忘錄。前者只能錄音不能實(shí)現(xiàn)文字轉(zhuǎn)寫(xiě)，不能標(biāo)注重點(diǎn);后者無(wú)法長(zhǎng)時(shí)語(yǔ)音輸入，可能被打斷，無(wú)法生存原始錄音。搜狗認(rèn)為語(yǔ)音轉(zhuǎn)錄產(chǎn)品具備剛性需求?；谏鲜鐾袋c(diǎn)，搜狗聽(tīng)寫(xiě)提供聽(tīng)寫(xiě)和轉(zhuǎn)寫(xiě)模式，聽(tīng)寫(xiě)模式可邊收音邊展現(xiàn)識(shí)別結(jié)果，轉(zhuǎn)寫(xiě)模型支持離線(xiàn)上傳文件給出識(shí)別結(jié)果。

在功能設(shè)計(jì)上，搜狗聽(tīng)寫(xiě)提供語(yǔ)音和文字無(wú)縫對(duì)齊，便利重點(diǎn)內(nèi)容定位;支持重點(diǎn)標(biāo)注，對(duì)應(yīng)的文本和語(yǔ)音可同時(shí)標(biāo)注。產(chǎn)品可在手機(jī)端邊聽(tīng)邊寫(xiě)，實(shí)現(xiàn)手機(jī)端和網(wǎng)頁(yè)端內(nèi)容同步。此外，搜狗聽(tīng)寫(xiě)還提供外接藍(lán)牙鍵，與手機(jī)配對(duì)，便利用戶(hù)錄音過(guò)程中實(shí)時(shí)標(biāo)注。搜狗聽(tīng)寫(xiě)還可按照語(yǔ)義自動(dòng)添加標(biāo)點(diǎn)，標(biāo)點(diǎn)正確率高達(dá)96%，標(biāo)點(diǎn)類(lèi)型在滿(mǎn)足逗號(hào)、句號(hào)、問(wèn)號(hào)、嘆號(hào)的基礎(chǔ)上，還率先擴(kuò)充了書(shū)名號(hào)。

在應(yīng)用場(chǎng)景上，搜狗聽(tīng)寫(xiě)針對(duì)用戶(hù)的使用場(chǎng)景，如開(kāi)會(huì)，寫(xiě)小說(shuō)等場(chǎng)景進(jìn)行優(yōu)化。識(shí)別效果較通用效果提升15%以上;還針對(duì)未便于大聲說(shuō)話(huà)而又有使用語(yǔ)音的場(chǎng)景，提供了耳語(yǔ)識(shí)別技術(shù)，在人的說(shuō)話(huà)音量低至 30 分貝以下的情況下，依然可以準(zhǔn)確識(shí)別。

相較于此前的輸入法語(yǔ)音識(shí)別，搜狗聽(tīng)寫(xiě)的使用場(chǎng)景更加復(fù)雜，在算法模型層面，搜狗進(jìn)行了優(yōu)化。據(jù)介紹，聽(tīng)寫(xiě)模式采用業(yè)內(nèi)領(lǐng)先的端到端深度神經(jīng)網(wǎng)絡(luò)技術(shù)Deep LC-CLDNN+CTC技術(shù)，轉(zhuǎn)寫(xiě)模式使用了Deep CNN+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，語(yǔ)音識(shí)別準(zhǔn)確率高達(dá)97%。

在語(yǔ)音文字轉(zhuǎn)寫(xiě)工具領(lǐng)域，，科大訊飛已經(jīng)推出錄音寶、訊飛聽(tīng)見(jiàn)等產(chǎn)品。當(dāng)談到搜狗聽(tīng)寫(xiě)的差異性，搜狗語(yǔ)音交互技術(shù)中心總經(jīng)理王硯峰認(rèn)為，搜狗聽(tīng)寫(xiě)的優(yōu)勢(shì)在于可支持長(zhǎng)時(shí)錄音，轉(zhuǎn)寫(xiě)辦事免費(fèi)。在功能設(shè)計(jì)上，搜狗更看重垂直場(chǎng)景的體驗(yàn)提升，好比加入藍(lán)牙鍵，提供改寫(xiě)、標(biāo)注、發(fā)摘要等在線(xiàn)編纂功能。(侯迪憬)