就在一周前搜狗宣布赴美上市計劃的那天，搜狗公司CEO王小川在員工內(nèi)部信中寫了這樣一句話：“已經(jīng)沒有人會懷疑搜狗的生存問題了，唯一的懸念是搜狗是否能在搜索領(lǐng)域?qū)崿F(xiàn)顛覆，是否能在人工智能領(lǐng)域引領(lǐng)重大的創(chuàng)新�！币粫r間，王小川的“懸念”成為看點——8月8日，搜狗正式迎來了第一款語音技術(shù)產(chǎn)品“搜狗聽寫”。

語音實時轉(zhuǎn)文字背后有深度學(xué)習(xí)技術(shù)

搜狗聽寫的定位是“文字工作者的速記工具”。針對寫文章、采訪錄音、會議記錄、筆記整理 、日常記事等場景，以實現(xiàn)高效記錄和信息輸入。

搜狗聽寫最亮眼的功能在于“聽寫”和“轉(zhuǎn)寫”兩種模式�！奥爩憽蹦Ｊ较�，錄音的同時可以實時識別結(jié)果；而“轉(zhuǎn)寫”模式下則可以離線錄音，錄音完成后一次性獲取文字結(jié)果。

除此之外還有諸如支持手機邊聽邊改、無線標(biāo)重點（藍(lán)牙打點）、多客戶端同步、信息分享、摘要、斷點續(xù)錄等人性化功能，另外，針對圖書館、咖啡廳等安靜場所，搜狗聽寫提供耳語識別技術(shù)——人說話音量低至30分貝時，依然可以準(zhǔn)確識別。

被牛露云稱作“大殺器”的一個功能，是搜狗聽寫與搜狗輸入法的個人詞庫已經(jīng)打通，可以視為媒體撰稿人之間文字互通的功能。

關(guān)于下載，搜狗聽寫除了支持Android、ios版本之外，還開發(fā)了Windows版，Windows版特別針對會議場景，觀眾可以直接看到會議演講者的實時字幕，字幕可能是直接文字的轉(zhuǎn)寫結(jié)果，也有可能是雙語、多語對照結(jié)果，觀眾甚至可以直接掃碼獲取當(dāng)天的錄音和文本結(jié)果。

這樣一款語音識別產(chǎn)品，實際上是基于深度學(xué)習(xí)技術(shù)，以提升復(fù)雜場景識別效果。

說到深度學(xué)習(xí)，離不開三要素：有沒有大數(shù)據(jù)，有沒有好的深度學(xué)習(xí)算法，以及能不能讓深度學(xué)習(xí)算法在深度學(xué)習(xí)平臺上高效運轉(zhuǎn)。

搜狗語音交互中心技術(shù)總監(jiān)陳偉介紹，“搜狗輸入法每天語音識別的PV是2.6億次，產(chǎn)生的語料規(guī)模是22萬小時�！标P(guān)于算法，搜狗早期較多使用深度神經(jīng)網(wǎng)絡(luò)，隨后嘗試了CN算法、LSTM的算法，現(xiàn)在轉(zhuǎn)為CN+LSTM+DN的端到端的算法，可以更高效，準(zhǔn)確率更高。

有了數(shù)據(jù)+算法，接下來就是運算，如何高效的給出模型以快速部署到線上，關(guān)鍵在于搜狗的深度學(xué)習(xí)平臺。“我們可以在自有的深度學(xué)習(xí)平臺上調(diào)動上百塊算卡，快速的給出模型�！标悅フf。

實際上，目前市場上已有一些同類型的產(chǎn)品，例如科大訊發(fā)早期推出的訊飛聽見等，相比之下，搜狗是否存在優(yōu)勢呢？搜狗語音交互中心負(fù)責(zé)人王硯峰表示：

第一，訊飛對應(yīng)的產(chǎn)品，如訊飛聽見、訊飛錄音寶等，是不能支持長時間錄音、并且免費轉(zhuǎn)寫的。而搜狗是首次做了長時錄音設(shè)置，并且支持免費轉(zhuǎn)寫。

第二，搜狗的產(chǎn)品是面向垂直場景，包括記者采訪的場景、作家寫作的場景等等。這些功能雖小，但它體現(xiàn)在具體場景下，怎么絞盡腦汁的想盡辦法，幫朋友解決問題。

第三，搜狗聽寫支持手機端和windows，還有語音實時轉(zhuǎn)文字、邊聽邊改、標(biāo)重點、快速查找、多端同步、不限時長錄音等功能。

此外，依托搜狗日均超過2.6億次的語音請求，提供海量的真實語料數(shù)據(jù)，可以使得機器不斷學(xué)習(xí)，不斷提升識別準(zhǔn)確率，可應(yīng)用的場景也越來越廣泛。

但對于搜狗轉(zhuǎn)寫免費會持續(xù)多長時間這個問題，王硯峰表示，目前肯定是免費的，至于之后會不會收費，并不完全確定。至少按照現(xiàn)有的產(chǎn)品形態(tài)，肯定是在相當(dāng)長的時間內(nèi)不考慮使用這個產(chǎn)品來賺錢。作為一家互聯(lián)網(wǎng)公司，通過技術(shù)來收取技術(shù)服務(wù)費不是搜狗的商業(yè)邏輯。至少到現(xiàn)在為止，搜狗還不想通過產(chǎn)品收費的方式來進(jìn)行商業(yè)變現(xiàn)。

搜狗語音交互中心負(fù)責(zé)人王硯峰