就在一周前搜狗宣布赴美上市計(jì)劃的那天，搜狗公司CEO王小川在員工內(nèi)部信中寫了這樣一句話：“已經(jīng)沒(méi)有人會(huì)懷疑搜狗的生存問(wèn)題了，唯一的懸念是搜狗是否能在搜索領(lǐng)域?qū)崿F(xiàn)顛覆，是否能在人工智能領(lǐng)域引領(lǐng)重大的創(chuàng)新。”一時(shí)間，王小川的“懸念”成為看點(diǎn)——8月8日，搜狗正式迎來(lái)了第一款語(yǔ)音技術(shù)產(chǎn)品“搜狗聽(tīng)寫”。

語(yǔ)音實(shí)時(shí)轉(zhuǎn)文字背后有深度學(xué)習(xí)技術(shù)

搜狗聽(tīng)寫的定位是“文字工作者的速記工具”。針對(duì)寫文章、采訪錄音、會(huì)議記錄、筆記整理 、日常記事等場(chǎng)景，以實(shí)現(xiàn)高效記錄和信息輸入。

搜狗聽(tīng)寫最亮眼的功能在于“聽(tīng)寫”和“轉(zhuǎn)寫”兩種模式。“聽(tīng)寫”模式下，錄音的同時(shí)可以實(shí)時(shí)識(shí)別結(jié)果；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。

除此之外還有諸如支持手機(jī)邊聽(tīng)邊改、無(wú)線標(biāo)重點(diǎn)（藍(lán)牙打點(diǎn)）、多客戶端同步、信息分享、摘要、斷點(diǎn)續(xù)錄等人性化功能，另外，針對(duì)圖書館、咖啡廳等安靜場(chǎng)所，搜狗聽(tīng)寫提供耳語(yǔ)識(shí)別技術(shù)——人說(shuō)話音量低至30分貝時(shí)，依然可以準(zhǔn)確識(shí)別。

被牛露云稱作“大殺器”的一個(gè)功能，是搜狗聽(tīng)寫與搜狗輸入法的個(gè)人詞庫(kù)已經(jīng)打通，可以視為媒體撰稿人之間文字互通的功能。

關(guān)于下載，搜狗聽(tīng)寫除了支持Android、ios版本之外，還開(kāi)發(fā)了Windows版，Windows版特別針對(duì)會(huì)議場(chǎng)景，觀眾可以直接看到會(huì)議演講者的實(shí)時(shí)字幕，字幕可能是直接文字的轉(zhuǎn)寫結(jié)果，也有可能是雙語(yǔ)、多語(yǔ)對(duì)照結(jié)果，觀眾甚至可以直接掃碼獲取當(dāng)天的錄音和文本結(jié)果。

這樣一款語(yǔ)音識(shí)別產(chǎn)品，實(shí)際上是基于深度學(xué)習(xí)技術(shù)，以提升復(fù)雜場(chǎng)景識(shí)別效果。

說(shuō)到深度學(xué)習(xí)，離不開(kāi)三要素：有沒(méi)有大數(shù)據(jù)，有沒(méi)有好的深度學(xué)習(xí)算法，以及能不能讓深度學(xué)習(xí)算法在深度學(xué)習(xí)平臺(tái)上高效運(yùn)轉(zhuǎn)。

搜狗語(yǔ)音交互中心技術(shù)總監(jiān)陳偉介紹，“搜狗輸入法每天語(yǔ)音識(shí)別的PV是2.6億次，產(chǎn)生的語(yǔ)料規(guī)模是22萬(wàn)小時(shí)。”關(guān)于算法，搜狗早期較多使用深度神經(jīng)網(wǎng)絡(luò)，隨后嘗試了CN算法、LSTM的算法，現(xiàn)在轉(zhuǎn)為CN+LSTM+DN的端到端的算法，可以更高效，準(zhǔn)確率更高。

有了數(shù)據(jù)+算法，接下來(lái)就是運(yùn)算，如何高效的給出模型以快速部署到線上，關(guān)鍵在于搜狗的深度學(xué)習(xí)平臺(tái)。“我們可以在自有的深度學(xué)習(xí)平臺(tái)上調(diào)動(dòng)上百塊算卡，快速的給出模型�！标悅フf(shuō)。

實(shí)際上，目前市場(chǎng)上已有一些同類型的產(chǎn)品，例如科大訊發(fā)早期推出的訊飛聽(tīng)見(jiàn)等，相比之下，搜狗是否存在優(yōu)勢(shì)呢？搜狗語(yǔ)音交互中心負(fù)責(zé)人王硯峰表示：

第一，訊飛對(duì)應(yīng)的產(chǎn)品，如訊飛聽(tīng)見(jiàn)、訊飛錄音寶等，是不能支持長(zhǎng)時(shí)間錄音、并且免費(fèi)轉(zhuǎn)寫的。而搜狗是首次做了長(zhǎng)時(shí)錄音設(shè)置，并且支持免費(fèi)轉(zhuǎn)寫。

第二，搜狗的產(chǎn)品是面向垂直場(chǎng)景，包括記者采訪的場(chǎng)景、作家寫作的場(chǎng)景等等。這些功能雖小，但它體現(xiàn)在具體場(chǎng)景下，怎么絞盡腦汁的想盡辦法，幫朋友解決問(wèn)題。

第三，搜狗聽(tīng)寫支持手機(jī)端和windows，還有語(yǔ)音實(shí)時(shí)轉(zhuǎn)文字、邊聽(tīng)邊改、標(biāo)重點(diǎn)、快速查找、多端同步、不限時(shí)長(zhǎng)錄音等功能。

此外，依托搜狗日均超過(guò)2.6億次的語(yǔ)音請(qǐng)求，提供海量的真實(shí)語(yǔ)料數(shù)據(jù)，可以使得機(jī)器不斷學(xué)習(xí)，不斷提升識(shí)別準(zhǔn)確率，可應(yīng)用的場(chǎng)景也越來(lái)越廣泛。

但對(duì)于搜狗轉(zhuǎn)寫免費(fèi)會(huì)持續(xù)多長(zhǎng)時(shí)間這個(gè)問(wèn)題，王硯峰表示，目前肯定是免費(fèi)的，至于之后會(huì)不會(huì)收費(fèi)，并不完全確定。至少按照現(xiàn)有的產(chǎn)品形態(tài)，肯定是在相當(dāng)長(zhǎng)的時(shí)間內(nèi)不考慮使用這個(gè)產(chǎn)品來(lái)賺錢。作為一家互聯(lián)網(wǎng)公司，通過(guò)技術(shù)來(lái)收取技術(shù)服務(wù)費(fèi)不是搜狗的商業(yè)邏輯。至少到現(xiàn)在為止，搜狗還不想通過(guò)產(chǎn)品收費(fèi)的方式來(lái)進(jìn)行商業(yè)變現(xiàn)。

搜狗語(yǔ)音交互中心負(fù)責(zé)人王硯峰