除了语音引擎，搜狗用黑科技还做了这些

　　 文／黑君

　　 搜狗突围

究竟是资本的到来助推了AI的发展，还是AI研发的进步触动了资本的神经，总之，2016年成了AI年。在这一轮AI风潮中，语音识别俨然取代了VR、AR等概念，“攻陷”了大众的眼球，也成为了各家科技公司必争之地。

仅就下半年风头正劲、曝光最多的，当属搜狗。

先是在奇点大会上，实时语音识别大出风头，将搜狗CEO王小川的演讲内容同步为文字，显示在现场屏幕上；

　　继而，搜狗又正式对外发布 搜狗知音引擎 ――一个可以以语音对话、 多轮交流的语音引擎；

在11月世界互联网大会上，搜狗CEO王小川又再次让公司研发的实时同传大放异彩。机器翻译准确率达到90%，据说接近人类水平；

11月21日，搜狗最先公布，其语音识别的准确率已经达到了97%。

这些功能的背后，则是研发人员的不断测试、调整、技术攻克。看似简单的“搜狗知音引擎”不仅具有“灵敏的耳朵”，更拥有一个“聪明的大脑”，以及强大的语音合成能力。

在外界眼里，近年来搜狗最大的新闻则是腾讯入股搜狗，搜狗是什么时候开始默默致力于AI研发，谁让这些功能得以实现？语音识别技术研发到了什么程度？搜狗语音识别还有什么秘密武器？

带着一系列疑问，黑君独家采访搜狗语音交互中心语音技术部负责人，为大家揭晓台前幕后。

幕后英雄团队

　　 无论是知音语音引擎、还是实时翻译，技术都来自于搜狗语音交互技中心 ，脱胎于4年前的一个语音小组，今年1月份已经升格为中心。

如今，这个技术小组已经扩增至60多人，据说，还在增加研发人员。

陈伟是语音交互中心语音部技术负责人，2012年加盟搜狗，是语音组最早的成员之一。

正是搜狗的语音交互技术，让搜狗在AI领域大放光彩。

○陈伟，搜狗公司桌面事业部专家研究员，语音交互中心语音技术部负责人。负责搜狗语音识别、语音合成、音乐检索、声纹识别、手写识别、机器翻译等多项技术的研发工作，同时负责搜狗知音引擎语音技术的研发。

97%准确率的打开方式

11月21日，搜狗率先公布自己的语音识别数据，准确率在97%。

　　 黑君： 97%的准确率是指测试了哪些维度之后的结果？

　　 陈伟： 准确率97%的意思是代表说100个字错了3个字，是指错误率是3%。

　　 黑君： 是一个人说了100个字，错了3个字吗？

　　 陈伟： 我们 准确率97%这个数据，是由800个人，每个人说200字，共计16万字测试后的结果，错了3%。

　　 黑君： 是在什么条件下的16万字？

　　 陈伟： 在北京、深圳两地各400人，在学校进行，主要测试口音和噪声。

　　 黑君： 行业都是这么测试的吗？

　　 陈伟： 其他公司我不清楚，我们主要是委托了第三方机构来做的测试。现在 每天 用搜狗输入法的语音 数据就有1.9亿次 ，每天差不多能产生16万小时的数据。

语音识别谁家强

随着人工智能的风潮席卷，作为感知识别的语音识别被越来越多的提及。我们甚至可以看到，多家科技公司都在争抢语音识别的头把交椅，谁能最终走向宝座，背后需要强大的技术支撑。

　　 黑君： 语音识别的难点在什么地方？怎样辨别谁家技术力量更强？

　　 陈伟： 交互逻辑里最关键的几个技术，

1、把语音转化成文字这种语音识别的能力；

2、语义理解能力；

3、语义理解之后让机器来说话，语音播报的能力。

整个交互过程，涵盖了接收信息、理解并反馈、输出答案整个过程。

　　关于“语音识别技术哪家强”的问题，要从多个维度来看，一种是评测――来自第三方、内部、合作厂商；一种是技术维度―― 使用识别技术的前沿程度以及效果 ；还有产品维度（我认为这是最重要的）――用户体验和反馈是否足够好。 目前看来，我们搜狗的技术是领先的。

　　 黑君： 语音识别准确率提高的障碍在什么地方？

　　 陈伟： 语音识别的难点――口音、噪音等；

比如，车载设备需要在车高速行驶时风声、雨声，汽车鸣笛声以及各种干扰声环境下，清晰辨别指令。

方言、中英文混杂的语言习惯等等。还有就是给机器学习大量的语料数据。我们的数据则是来自于用户每天接近2亿次的语音输入搜索请求。

商业化进行时

作为最接地气的感知识别技术，语音识别商业化的“天赋”正在凸显。

搜狗通过数据分析发现，人们使用语音最为频繁的场景是在wifi环境下，以及餐厅里。

目前，搜狗认为，车体内、家居环境以及穿戴设备领域都是语音识别适用的领域。

　　 黑君： 搜狗一直致力于toC端的业务，有没有toB端的打算？

　　 陈伟： 我们发现语音交互特别适合在车里面，因为用户的双手被方向盘固定，这时候使用语音是非常合适的一个场景，通过语言唤醒语音助手之后，不但解放双手，还有双眼，更加专注于驾驶，保证行车安全。

目前，搜狗已经和四维图新和飞歌已经就车载仪器展开了合作。

　　 黑君： 还有哪些环境适应于语音功能？

　　 陈伟： 居家环境中，智能家居设备。目前人机最主要的交互方式还是触摸，触觉也符合人类天性，但是前提需要有一块屏充当图形界面。语音交互近年来被认为是下一代交互方式，更加自然，有些产品像亚马逊的Echo等智能音箱是没有屏的，你必须选择用语音与其交流，这是一个很好的场景商业化。而且语音识别在这些场景中应用，技术上已经成熟了。

　　 黑君： 您说的技术已经成熟，包含了哪些技术？

　　 陈伟： 在技术上，搜狗已经是打造了一个闭环，这里是指可以做整个的语音交互解决方案，从语音识别、语义交互到最后的合成，提供技术合作的平台。我们欢迎合作。

虐机小测试

　　 陈伟： 北京天气怎么样？

　　 语音助手： 北京今天天气晴，最高温度9摄氏度，最低温度-4摄氏度。

　　 黑君： 拉萨今天天气如何？

　　 语音助手： 拉萨今天天气晴，最高温度13摄氏度，最低温度-4摄氏度。

　　 陈伟： 整个交互比较强的能力是呈现出多轮对话的能力。

　　 黑君： 是递进关系的轮对话吗？

　　 陈伟： 也不一定是递进的，能跟踪你的上文。“上海天气怎么样？”

　　 语音助手： 上海今天天气多云，最高温度14摄氏度。

　　 陈伟： 北京的呢？

　　 语音助手： 北京有很多云。

关于语音交互未来

在黑君看来，感知识别中的较多功能已经落地，如声纹、指纹、虹膜以及语音，包括搜狗的语音交互产品――知音引擎、实时翻译等。这些AI技术的应用受益者无疑都是普罗大众。

关于未来，陈伟说，团队努力的方向就是让语音交互更自然、更流畅，让用户在使用中体验度提升。而搜狗也将尝试更多的可能性。

欢迎关注follow黑科技，除微信公众号外，文章还同步发布于搜狐自媒体、百度百家等多家平台。