當(dāng)2006年搜狗輸入法正式上線時，用戶正處于鍵盤輸入的黃金時代；2011年，搜狗開始前瞻布局自己的語音技術(shù)，并在一年之內(nèi)快速產(chǎn)品化。從鍵盤到觸屏，再到語音輸入，搜狗輸入法在“人機交互”方式上不斷積累著經(jīng)驗，用嘴打字也逐漸從時尚變成用戶習(xí)慣。

 

　　語音是人類交流、人機交互最自然的方式，它同樣也被認(rèn)為是開啟人工智能時代的起點。搜狗公司作為國內(nèi)AI能力最強的互聯(lián)網(wǎng)公司之一，早已建立了強大的語音自研團隊，擁有目前互聯(lián)網(wǎng)規(guī)模最大的語音數(shù)據(jù)。統(tǒng)計顯示，搜狗輸入法單語音輸入日頻次已達2.6億次，比一年前增長80%以上。通過大規(guī)模的優(yōu)質(zhì)語音訓(xùn)練數(shù)據(jù)和深度學(xué)習(xí)的技術(shù)能力積累，搜狗也將這種語音識別的技術(shù)優(yōu)勢轉(zhuǎn)化到了更多的適用場景中。

　　從技術(shù)上來看，搜狗聽寫產(chǎn)品的關(guān)鍵在于語音識別準(zhǔn)確率，據(jù)了解，搜狗聽寫使用了搜狗輸入法的長時語音轉(zhuǎn)寫技術(shù)，從立項到現(xiàn)在，錯誤率已經(jīng)下降了30%。在聲學(xué)模型方面，采用了端到端深度神經(jīng)網(wǎng)絡(luò)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(luò)進行建模。

 

　　搜狗聽寫的識別準(zhǔn)確率已達到國際領(lǐng)先水平，語音輸入比鍵盤打字更快、更方便、更準(zhǔn)確。但AI的應(yīng)用過程并不完全是技術(shù)導(dǎo)向，而是場景驅(qū)動的產(chǎn)品導(dǎo)向，重點在于如何深入用戶需求、怎樣更多地結(jié)合使用場景，只有把需求和場景結(jié)合起來才能成為好的AI產(chǎn)品。在語音領(lǐng)域，搜狗最先意識到，產(chǎn)品落地需要場景驅(qū)動，在垂直化場景中，AI才能真正為用戶所用。

 

　　在具體的應(yīng)用場景上，搜狗聽寫針對用戶使用的不同環(huán)境，如開會，寫小說等場景進行優(yōu)化，識別效果較通用效果提升15%以上；針對圖書館、咖啡廳等不便于大聲說話而又有使用語音的場景，提供耳語識別技術(shù)，在人的說話音量低至30分貝時，依然可以準(zhǔn)確識別。搜狗聽寫作為一款多場景的語音聽寫工具，大大提高了用戶生產(chǎn)力。

 

　　從搜狗輸入法的語音識別能力延伸到搜狗聽寫，自然交互改變生活的大幕逐漸拉開。未來，語音技術(shù)在各種應(yīng)用場景中還有大量機會，比如在智能家居的場景，我們希望回家以后可以使用語音和電視、遙控器、音箱、窗簾等講話。不僅是智能家居應(yīng)用場景，而且在更多的垂直化應(yīng)用場景中，如車載、醫(yī)療、教育等環(huán)境，語音帶來的人機交互變化將深刻改變我們的生活方式和習(xí)慣。

 

　　人類對于人工智能的終極描繪，始終是同人一樣進行自然的語言交流，這也是搜狗人工智能的發(fā)展目標(biāo)。對于搜狗輸入法，AI也賦予了它更多的未來，在搜狗的概念中，使用輸入法時機器能更好地理解人的意圖，從而推送相關(guān)聯(lián)的信息、衍生內(nèi)容，未來，搜狗輸入法的輔助對話將幫助人類在機器時代更好地進行交流。

 

　　從輸入法到搜狗聽寫再到輔助對話，搜狗通過AI技術(shù)對人的自然交互進行了延展，提高了設(shè)備的便利性、及時性，拓寬了實用場景并增加了交互緯度，搜狗一直在做的就是幫助用戶“表達和獲取信息更簡單”，將人工智能技術(shù)發(fā)展聚焦在語言領(lǐng)域，自然交互領(lǐng)跑著AI應(yīng)用落地。