AI的“黃金時代”已來！那離我們比來的AI是什么呢？地圖里的語音入口，機器翻譯、拍照識圖、無人超市，還是比來大熱的智能音箱，好比正式開售的可語音購物的xx精靈。但這些真是能解決痛點的AI嗎？
近日，在AI領(lǐng)域博得先機并明確將赴美上市的搜狗，，推出了一款小眾的免費產(chǎn)品——“搜狗聽寫”，目的是為了解決會議、采訪、寫作等場景下長語音內(nèi)容轉(zhuǎn)寫難，可以將語音實時轉(zhuǎn)釀成文字，并能標注重點、邊寫邊改進行文字編纂。
“聽寫”和“轉(zhuǎn)寫”為文字工作者減負
采訪一小時，整理錄音三小時，寫稿兩小時……這是機器人圈記者的工作常態(tài)，相信也是大量同行的日常，并且除了記者編纂，包孕職業(yè)寫作者、會議記錄整理者在內(nèi)的不少文字工作從業(yè)人員都有相似遭遇。
當然，“人肉”速記能夠解決部分難題，但一有專業(yè)性的門檻，有些速記記錄的術(shù)語實在不忍多看；二是時間上需要排期，費用上也需要考慮，并不是所有的“扒速記”工作都能如愿“轉(zhuǎn)包”出去。當然，市面上也有類似的工具，提供付費的轉(zhuǎn)寫辦事，只是準確率仍差強人意。
再看“搜狗聽見”這款免費的APP，確實是擊中了部分人的需求。從功能上看，提供包孕“聽寫”和“轉(zhuǎn)寫”在內(nèi)的兩種模式：“聽寫”模式可在錄音的同時給出實時識別結(jié)果；“轉(zhuǎn)寫”模式則可在離線狀態(tài)下錄音，錄音完成后一次性獲取文字結(jié)果。
它還提供邊聽邊改（生存錄音后，可以邊聽錄音邊修改文字）、按照語義自動添加標點、支持文本/語音標重點、多客戶端同步、信息分享等功能，而且在人的說話音量低至 30 分貝時，依然可以識別。
值得一提的是它的“大殺器”功能，可以按照記者、作家、自媒體等文字工作者的需要，連接搜狗輸入法的個人詞庫，引入個性化詞匯，好比機器人圈的昵稱“圈圈”估計就屬于獨門。
此外，“搜狗聽寫”還將推出Windows版，專注大會場景的實時速記。
“喂”數(shù)據(jù)才能更強大
對于有著強大需求的機器人圈記者，在現(xiàn)場已經(jīng)迫不及待的試用了一下產(chǎn)品。
記事寫作比訪談錄音呈現(xiàn)出來的準確性更高
對此，機器人圈記者也采訪了搜狗公司語音交互技術(shù)中心總經(jīng)理王硯峰，他體現(xiàn)所有的搜狗語音類產(chǎn)品背后都是知音引擎，不過，一般面向具體的場景會有優(yōu)化，有專門的語音模型。在演講、聊天的場景下，和車載、會議以及手機近場說話的語音模型都是不盡相同的。
搜狗語音交互技術(shù)中心技術(shù)總監(jiān)陳偉還介紹，搜狗聽寫使用了搜狗知音引擎的長時語音轉(zhuǎn)寫技術(shù)，從立項到現(xiàn)在，錯誤率已經(jīng)下降30%。在聲學模型方面，采用了端到端深度神經(jīng)網(wǎng)絡技術(shù)Deep
LC-CLDNN+CTC技術(shù)，轉(zhuǎn)寫模式則使用了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)絡進行建模。
此外，影響準確度的還有硬件降噪，手機的降噪能力是比較弱的，尤其手機上在遠場的識別率不高，原因就在硬件上手機并沒有面向遠場識另外麥克風陣列。
還有一個重要的原因是數(shù)據(jù)的不足，“喂”數(shù)據(jù)訓練模型提高準確度已經(jīng)是產(chǎn)業(yè)界公開的奧秘，實時語料數(shù)據(jù)也將成為這一領(lǐng)域的真正“壁壘”，所以希望準確度提高，也離不開每個用戶的支持。
“自然交互＋知識計算”的技術(shù)路線圖
當語音領(lǐng)域的隊友們都在“刷音箱”，為什么搜狗卻做了一款“小眾”的轉(zhuǎn)寫APP呢？稍微回顧一下，搜狗在語言領(lǐng)域的布局。在 2016 年 6 月的搜狗輸入法十周年上，搜狗CEO王小川就提出了將人工智能定位搜狗輸入法的下一階段戰(zhàn)略發(fā)展的新標的目的，搜狗CTO楊洪濤則首次透露了搜狗輸入法的快速分享、聰明回復和妙筆修飾等目前正在研發(fā)的三個能夠增強用戶表達能力的人工智能新技術(shù)；而在 7 月的奇點創(chuàng)新者峰會上，王小川更是直接邀請一名現(xiàn)場不雅觀眾上臺直接演示完全通過自然語音來發(fā)送一段短信息。
