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，j2直播，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，atv，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？