搜狗語音交互技術(shù)中心總經(jīng)理王硯峰

搜狗推出語音轉(zhuǎn)寫文字工具“搜狗聽寫”，基于搜狗知音引擎的長時語音聽寫技術(shù)，可實現(xiàn)小時級文字轉(zhuǎn)寫功能，文本語音同時生存?，F(xiàn)已上線Android、iOS移動端和Web版本，提供“聽寫”和“轉(zhuǎn)寫”兩種模式，辦事免費，主要面向記者、編纂、作家等文字工作者。

活動現(xiàn)場，搜狗方面體現(xiàn)，后期將重點推進(jìn)人工智能技術(shù)的落地，并透露將在可穿戴、車載、客廳等場景領(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，搜狗語音輸入法錯誤率已經(jīng)下降到3.8%，語音識別辦事每日請求PV為2. 6 億次，每天產(chǎn)生語料 22 萬小時?；谝?guī)模性的用戶語音數(shù)據(jù)，聽寫產(chǎn)品將搜狗的語音識別、自然語言理解等技術(shù)進(jìn)一步延展落地。

傳統(tǒng)語音轉(zhuǎn)錄產(chǎn)品主要包孕兩大類，錄音類、語音輸入法+備忘錄。前者只能錄音不能實現(xiàn)文字轉(zhuǎn)寫，不能標(biāo)注重點;后者無法長時語音輸入，可能被打斷，無法生存原始錄音。搜狗認(rèn)為語音轉(zhuǎn)錄產(chǎn)品具備剛性需求?；谏鲜鐾袋c，搜狗聽寫提供聽寫和轉(zhuǎn)寫模式，聽寫模式可邊收音邊展現(xiàn)識別結(jié)果，轉(zhuǎn)寫模型支持離線上傳文件給出識別結(jié)果。

在功能設(shè)計上，搜狗聽寫提供語音和文字無縫對齊，便利重點內(nèi)容定位;支持重點標(biāo)注，對應(yīng)的文本和語音可同時標(biāo)注。產(chǎn)品可在手機(jī)端邊聽邊寫，實現(xiàn)手機(jī)端和網(wǎng)頁端內(nèi)容同步。此外，搜狗聽寫還提供外接藍(lán)牙鍵，與手機(jī)配對，便利用戶錄音過程中實時標(biāo)注。搜狗聽寫還可按照語義自動添加標(biāo)點，標(biāo)點正確率高達(dá)96%，標(biāo)點類型在滿足逗號、句號、問號、嘆號的基礎(chǔ)上，還率先擴(kuò)充了書名號。

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(jìn)行優(yōu)化。識別效果較通用效果提升15%以上;還針對未便于大聲說話而又有使用語音的場景，提供了耳語識別技術(shù)，在人的說話音量低至 30 分貝以下的情況下，依然可以準(zhǔn)確識別。

相較于此前的輸入法語音識別，搜狗聽寫的使用場景更加復(fù)雜，在算法模型層面，搜狗進(jìn)行了優(yōu)化。據(jù)介紹，聽寫模式采用業(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)寫模式使用了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(jìn)行建模，語音識別準(zhǔn)確率高達(dá)97%。

在語音文字轉(zhuǎn)寫工具領(lǐng)域，，科大訊飛已經(jīng)推出錄音寶、訊飛聽見等產(chǎn)品。當(dāng)談到搜狗聽寫的差異性，搜狗語音交互技術(shù)中心總經(jīng)理王硯峰認(rèn)為，搜狗聽寫的優(yōu)勢在于可支持長時錄音，轉(zhuǎn)寫辦事免費。在功能設(shè)計上，搜狗更看重垂直場景的體驗提升，好比加入藍(lán)牙鍵，提供改寫、標(biāo)注、發(fā)摘要等在線編纂功能。(侯迪憬)