［釘科技專訪］假如用“春風(fēng)十里”形容速度之快，用在人工智能領(lǐng)域應(yīng)該再合適不過。CB Insights數(shù)據(jù)表明，2016年，人工領(lǐng)域的共有涵蓋13個種類的超過1600家公司獲得了超過90億美元的融資?！稙蹑?zhèn)指數(shù)：全球人工智能發(fā)展報告2016》則顯示，2016年，全球每10.9個小時誕生一家人工智能企業(yè)。

市場并不缺乏概念炒作者，但技術(shù)的發(fā)展更需要應(yīng)用和落地，在釘科技看來，從相關(guān)分支切入，再在細分領(lǐng)域產(chǎn)品化，單點滲透，或許是在現(xiàn)階段突破市場的最好方式。

自2012年涉足領(lǐng)域，搜狗就專注于自然交互和深度計算，以語言為核心，展開以文字和語音為主的交互方式。去年8月，搜狗推出知音引擎，力圖讓用戶獲得更自然的語音交互。時隔一年，搜狗聽寫推出，主打語音實時轉(zhuǎn)文字功能。為更深入了解產(chǎn)品及其背后的戰(zhàn)略構(gòu)想，釘科技與另幾家媒體小伙伴對搜狗語音交互技術(shù)中心總經(jīng)理王硯峰進行了專訪。

搜狗語音交互技術(shù)中心總經(jīng)理 王硯峰

搜狗聽寫：解放雙手，用嘴寫作

國內(nèi)的職業(yè)寫手以及記者等媒體從業(yè)人員的總數(shù)接近6500萬，即便面對龐大的人口總數(shù)，也并不能被作為小眾，這也正是搜狗聽寫主推的用戶群體。

記者常常面臨這樣的問題：每天要應(yīng)付多個不同場合的采訪工作，稿件又需要即時撰寫發(fā)布，這就代表，即便是在從一地到另一地的路上，也要爭分多秒。不過，面對時長不短且可能有雜音、地方口音干擾的錄音材料，有時也會感到無所適從。

職業(yè)寫手倒是不需要打一槍換一個地方，不過，這類人通常與鍵盤有著更長時間的接觸，“指尖疲勞癥”或許比記者更甚，但是，從椅子到沙發(fā)，從沙發(fā)到床的“陣地”轉(zhuǎn)換，并不能解決這種“痛楚”。

針對上述痛點，搜狗聽寫從以下五個方面入手：一是長時語音聽寫，即連續(xù)錄音+實時轉(zhuǎn)文字；二是文本錄音同時保存，無縫對齊；三是支持重點標注；四是只是邊聽邊改；五是支持多客戶端同步，可以用網(wǎng)頁端進行比較重要的編輯工作。細節(jié)上，還支持自動加書名號等操作。

如此，記者就可以在場景方便的情況下隨時整理資料甚至撰寫稿件，而職業(yè)寫手，更是可以躺在床上，或者望著窗外，寫作只需要動動嘴。

王硯峰表示，事實上，搜狗聽寫不僅是專門為文字工作者定制的應(yīng)用，也是每個人都會需要的應(yīng)用，比如，語音便簽、社交分享這些功能就是很普遍的需要。搜狗希望在產(chǎn)品上做出不一樣的地方，幫助用戶切實解決問題，并且通過差異點，同時體現(xiàn)在技術(shù)和產(chǎn)品方面的能力。

搜狗知音：屬性開放，持續(xù)升級

搜狗聽寫，依托的是去年8月發(fā)布的“知音”語音交互引擎。當(dāng)天，搜狐網(wǎng)絡(luò)大廈電梯里的LED屏還在播放搜狗十周年生日的一段視頻。

王硯峰表示，“知音”在語音識別、語音糾錯、知識圖譜信息整合能力及多輪對話理解方面具有技術(shù)優(yōu)勢。而這種優(yōu)勢，在搜狗方面看來，得益于輸入法及搜索積累下來的大量數(shù)據(jù)對于其語義理解能力的錘煉。

聽寫產(chǎn)品與知音引擎相隔一年，這一年，被王硯峰描述為“知音努力學(xué)習(xí)的一年”。王硯峰表示，過去一年，語音識別技術(shù)服務(wù)了更多用戶。2015年5月份，每年會有5500萬的語音DAU。2016年1月份，增長到1.25億。今年5月份已經(jīng)達到了2.6億的規(guī)模。這個過程，也是知音在大數(shù)據(jù)的基礎(chǔ)上自主學(xué)習(xí)的過程。

據(jù)了解，今年5月份，搜狗語音的核心技術(shù)在應(yīng)用方面取得了突破，在GMIS大會上，語音跟人工速記進行了五輪PK，最終的結(jié)果是4：1完勝。因為當(dāng)時現(xiàn)場的網(wǎng)絡(luò)問題，導(dǎo)致其中有一場的粵語識別沒有聯(lián)網(wǎng)。搜狗方面表示，到現(xiàn)在為止，機器的識別能力跟普通的速記相比已經(jīng)取得了本質(zhì)性的領(lǐng)先。在這樣的過程中，機器本身有處理速度的好處，還有知識的好處，普通的速記不太可能知道那么多的專業(yè)術(shù)語，不太可能知道那么多的英文。在這個過程中，機器是充分的把自己的處理速度、處理能力，以及對知識的權(quán)威性發(fā)揮出來。這是聽寫產(chǎn)品得以在今年發(fā)布的底氣。

后續(xù)會著力解決兩個方面的問題，王硯峰如是說：一是遠場，因為交互不可能局限于手機這類個人屬性較高的終端；二是降噪，包括環(huán)境中的聲音干擾，包括地方口音對識別準確度的影響都屬于這一范疇。

至于知音引擎的發(fā)展方向，王硯峰說，知音在一定程度上會以O(shè)S的形式存在，為不同類型的終端產(chǎn)品賦能。

智能硬件：技術(shù)落實，把握入口

開放的屬性，這是知音引擎誕生時就具備的。開放，就是在出行等垂直領(lǐng)域的延伸，為相關(guān)合作伙伴提供語音交互支持，向更多的終端入口進行布局。畢竟，人工智能或者語音交互作為技術(shù)，終究需要實際的載體。

手機等終端，特別是電視以及車載系統(tǒng)，都是搜狗所關(guān)注的品類。從去年開始，搜狗進行了AI技術(shù)的輸出，跟小米、魅族等手機廠商合作。在傳統(tǒng)的家電領(lǐng)域，跟各個行業(yè)的龍頭合作，電視是跟創(chuàng)維合作，白電跟海爾合作等等。

賦能合作伙伴之外，搜狗也試圖憑借自身實力，在智能終端領(lǐng)域延伸出方向。從大方向上，王硯峰表示，搜狗自主推出的終端產(chǎn)品前期會集中在可穿戴設(shè)備和智能家居上，手機、電視不是現(xiàn)階段所考慮的，而硬件的產(chǎn)出，有可能會選擇與第三方合作。

當(dāng)被問到是否會考慮進軍當(dāng)前比較火爆的智能音箱市場，王硯峰給出了自己的判斷，沒有被“繁榮”的現(xiàn)象所影響，王硯峰很冷靜的表示：相對于手機、電視等終端，音箱產(chǎn)品由于交互性（屏幕）方面的短板，并不具備獨特性或者說不可替代性，從需求上來看，量級優(yōu)勢也不明顯，也就不足以釋放技術(shù)能力或者說承擔(dān)“用戶教育”的功能，因此暫時不會考慮推出相關(guān)的自主產(chǎn)品。