搜狗語音交互技術中心總經理王硯峰

搜狗推出語音轉寫文字工具“搜狗聽寫”，基于搜狗知音引擎的長時語音聽寫技術，可實現小時級文字轉寫功能，文本語音同時生存。現已上線Android、iOS移動端和Web版本，提供“聽寫”和“轉寫”兩種模式，辦事免費，主要面向記者、編纂、作家等文字工作者。

活動現場，搜狗方面體現，后期將重點推進人工智能技術的落地，并透露將在可穿戴、車載、客廳等場景領域自主研發硬件。搜狗方面透露，搜狗將于近期推出一款面向家庭和兒童的機器人產品。

據介紹，搜狗語音輸入法錯誤率已經下降到3.8%，語音識別辦事每日請求PV為2. 6 億次，每天產生語料 22 萬小時。基于規模性的用戶語音數據，聽寫產品將搜狗的語音識別、自然語言理解等技術進一步延展落地。

傳統語音轉錄產品主要包孕兩大類，錄音類、語音輸入法+備忘錄。前者只能錄音不能實現文字轉寫，不能標注重點;后者無法長時語音輸入，可能被打斷，無法生存原始錄音。搜狗認為語音轉錄產品具備剛性需求。基于上述痛點，搜狗聽寫提供聽寫和轉寫模式，聽寫模式可邊收音邊展現識別結果，轉寫模型支持離線上傳文件給出識別結果。

在功能設計上，搜狗聽寫提供語音和文字無縫對齊，便利重點內容定位;支持重點標注，對應的文本和語音可同時標注。產品可在手機端邊聽邊寫，實現手機端和網頁端內容同步。此外，搜狗聽寫還提供外接藍牙鍵，與手機配對，便利用戶錄音過程中實時標注。搜狗聽寫還可按照語義自動添加標點，標點正確率高達96%，標點類型在滿足逗號、句號、問號、嘆號的基礎上，還率先擴充了書名號。

在應用場景上，搜狗聽寫針對用戶的使用場景，如開會，寫小說等場景進行優化。識別效果較通用效果提升15%以上;還針對未便于大聲說話而又有使用語音的場景，提供了耳語識別技術，在人的說話音量低至 30 分貝以下的情況下，依然可以準確識別。

相較于此前的輸入法語音識別，搜狗聽寫的使用場景更加復雜，在算法模型層面，搜狗進行了優化。據介紹，聽寫模式采用業內領先的端到端深度神經網絡技術Deep LC-CLDNN+CTC技術，轉寫模式使用了Deep CNN+CTC的方式，語言模型基于T級海量輸入法文本數據使用神經網絡進行建模，語音識別準確率高達97%。

在語音文字轉寫工具領域，，科大訊飛已經推出錄音寶、訊飛聽見等產品。當談到搜狗聽寫的差異性，搜狗語音交互技術中心總經理王硯峰認為，搜狗聽寫的優勢在于可支持長時錄音，轉寫辦事免費。在功能設計上，搜狗更看重垂直場景的體驗提升，好比加入藍牙鍵，提供改寫、標注、發摘要等在線編纂功能。(侯迪憬)