您现在的位置: 首页 > 营销资讯营销资讯
搜狗王砚峰：未来人人都会需要AI录音笔
发布时间：2020-02-20作者：青鸾传媒来源：全网营销点击：69
“搜狗公司的使命是让表达和获取信息更简单，而信息表达和获取的核心载体是语言，我们在AI上也是围绕语言这个核心去展开”。搜狗AI交互事业部总经理王砚峰向艾瑞网介绍了搜狗对于人工智能的定位。
作为一家起家于搜索业务的互联网公司，在原有核心业务保持快速增长的同时，搜狗公司AI技术也在不断突破：语音识别技术升级，搜狗目前可支持识别英日韩法西俄等十余种外语和粤语、四川话等多种方言识别，语音识别准确率达到98%，准确率和响应速度均为行业领头者，在语音输入与语音转写、会场同传、语音采访等多个场景可取得良好的落地效果;多模态识别技术领跑业内，通过对用户唇形、语音、表情的多维输入视频即可将视频内的语音更准确地转写为文字，极大地提升了噪声环境下语音识别效果;语音合成技术持续加码，基于多目标学习、表现力迁移的AI分身、用户“变声”、个性化TTS等都在业界具有先发优势，表现抢眼。
谈到未来搜狗对AI交互的发展规划，王砚峰认为，语音输入法还是要做好，巩固输入法产品的地位;会围绕AI交互这个赛道，推出更多自有品牌的智能硬件，而在终端赋能方面，要让硬件与搜狗输入法、C端数据打通，让搜狗走出提供技术来提供服务。
王砚峰，搜狗AI交互事业部总经理。负责搜狗语音、视觉、NLP等技术的研发及应用，以及基于AI技术的产品创新和行业服务。
从输入法进军智能语音
艾瑞网：首先请您介绍一下，搜狗AI交互的起点是什么产品?
王砚峰：搜狗的AI交互起源于输入法，语音输入是输入法的一个核心功能，搜狗智能语音发展也受益于输入法的大量用户数据与行为数据。
搜狗输入法语音输入功能于11年开始研发，12年面世，13年上线了深度神经网络。
谈及搜狗输入法“刷新”AI交互技能的原因，核心有三点：(1)语音输入提升了用户传递信息的效率，相比打字输入体验更好、更快捷;(2)语音转化场景如翻译场景下，智能语音为用户提供了一个提供方便的入口，当用户说完一条语音信息，相应的译文就已经准备好可以直接发送了，减少了反复的手动操作，搜狗现在已经做到了中英日韩四种对话语音随心译;(3)语言除了是传递信息的工具，也是人们表达自我的一种手段，AI能够帮助输入法产品去做用户个性化的表达。
搜狗输入法作为头部的输入法产品，在这三个方向上都跑得很快。语音输入，传统上是非个性、面向所有用户都一样的语音转文字，2019年我们上线了跟用户词库和语音识别引擎打通的“个性化语音识别”，使用户常用语识别错误率相对下降近40%，比如用户工作场景相关的内容识别率会更高，免去了手动修改的麻烦，这个功能的使用频率很高，甚至使我们搜狗输入法产品的账户登录比例提高10%以上。在语言个性化表达方面，我们2019年推出了变声功能，能够将用户的声音转换成特定人的声音，语速、停顿、情感等说话习惯均可被转换为超高逼真度的指定角色声音;而除了语音类的个性化表达，AI助手“智能汪仔”能够在各种聊天场景中理解用户输入的文字信息，从而为用户推荐丰富多样的表情包和回复的“妙语替换”。
搜狗输入法个性化语音识别
艾瑞网：AI交互是否已经成为了输入法用户的常用功能?AI本身，又能够为输入法产品的商业化提供什么样的想象呢?
王砚峰：没错，用户的使用已经非常高频。截至2019年9月底，搜狗输入法日均语音请求较一年前增长67%，峰值达8.3亿次。目前输入法都是免费产品，未来会做一些增值服务，例如可能在变声上结合大IP来进行增值服务收费。
智能语音的赛道里，不做终端设备是很难出头的
艾瑞网：现阶段智能语音相关的生态当中，有设备、开发平台、标准化的SaaS服务平台、音频内容等等，您怎样看待智能语音的开放性开发平台，这会是一种在技术落地应用和商业变现上能够跑通的模式吗?
王砚峰：搜狗也很早就布局了开放平台，2015年至2016年的时候我们开始通过平台向外输出AI能力，也积累了很多很多的开发者和合作伙伴。不过，对于开放平台而言，找商业模式其实是一个重点。当时，搜狗合作了小米、创维、魅族等头部厂商，但没有基于“开放”探索出好的商业模式。而目前看开放平台只是会相对更容易的降低和行业合作的门槛，更容易的把行业用户引过来，但是建立好的商业模式，还是需要进一步针对行业深耕，尤其是针对传统行业，不仅需要领先的技术，同时也需要针对这个行业下客户的痛点，推出他们更需要的SaaS产品或解决方案，做到更好的服务行业客户，才能形成好的商业落地。
艾瑞网：搜狗目前定位在哪类智能设备?从互联网企业开始投入做硬件，有什么基础，攻坚了哪些问题?
王砚峰：自有品牌的硬件大体上是选便携、随身的品类。目前，我们已经发布了翻译机、录音笔等，未来会做耳机，以解决人在商务生活方面的一些问题。在这些产品上搜狗主打AI能力，帮用户通过AI能力做之前自己无法做到的事情或者需要耗费大量精力的事情。2019年我们的搜狗AI录音笔C1上市，首发当日销量就突破了2万台，说明这件事情是有价值、有市场的，未来人人都会需要一个录音笔，用AI能力做信息的记录。通过搜狗自己的硬件，用户的反馈可以被深度优化打磨，这也为我们在录音转文字这个方向下，沉淀出了行业最领先的核心技术和服务。
过去搜狗研发的糖猫儿童手表为搜狗的AI硬件积累了一些硬件研发、供应链和产品设计的基础，而我们为了现在的翻译机、录音笔在实际场景中的应用，又打磨了从声学信号处理到识别算法的一系列技术。2019年，搜狗自研的Smart Voice麦克风阵列算法更进一步，可对噪声和混响进行多重深度优化，确保人声的高保真还原;我们还把语音转写中切分说话人的技术做进产品，这在业内是首家，双人识别已有90%准确率;同时我们通过研发和数据解决了远场语音转写中声源远近、连读、发音模糊等问题，使录音笔离线转写效果明显高于竞品，在真实场景中达到了可用。通过这些针对场景的技术打磨，你会发现搜狗目前在录音笔行业上，无论是核心的语音转文字能力，还是围绕语音本身的功能创新，都是行业中最领先的。近期，我们还将通过深度学习跨越过去通过阵列技术+传感器优化的方式进一步做好降噪，即上线AI去背景声、人耳听感优化，这会使录音笔在高频场景