就在一周前搜狗宣布赴美上市計畫的當天，搜狗公司ceo王小川在員工內部信中寫了這樣一句話：「已經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尋領域實現顛覆，是否能在人工智慧領域引領重大的創新。」一時間，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產品「搜狗聽寫」。
搜狗聽寫的定位是「文字工作者的速記工具」。針對寫文章、採訪錄音、會議記錄、筆記整理 、日常記事等場景，以實現高效記錄和資訊輸入。
搜狗聽寫最亮眼的功能在於「聽寫」和「轉寫」兩種模式。「聽寫」模式下，錄音的同時可以實時識別結果；而「轉寫」模式下則可以離線錄音，錄音完成後一次性獲取文字結果。
除此之外還有諸如支援手機邊聽邊改、無線標重點（藍芽打點）、多客戶端同步、資訊分享、摘要、斷點續錄等人性化功能，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——人說話音量低至30分貝時，依然可以準確識別。
被牛露雲稱作「大殺器」的乙個功能，是搜狗聽寫與搜狗輸入法的個人詞庫已經打通，可以視為**撰稿人之間文字互通的功能。
這樣一款語音識別產品，實際上是基於深度學習技術，以提公升複雜場景識別效果。
說到深度學習，離不開三要素：有沒有大資料，有沒有好的深度學習演算法，以及能不能讓深度學習演算法在深度學習平台上高效運轉。
搜狗語音互動中心技術總監陳偉介紹，關於大資料，「搜狗輸入法每天語音識別的pv是2.6億次，產生的語料規模是22萬小時。」關於演算法，搜狗早期較多使用深度神經網路，隨後嘗試了cn演算法、lstm的演算法，現在轉為cn+lstm+dn的端到端的演算法，可以更高效，準確率更高。
有了資料+演算法，接下來就是運算，如何高效的給出模型以快速部署到線上，關鍵在於搜狗的深度學習平台。「我們可以在自有的深度學習平台上調動上百塊算卡，快速的給出模型。」陳偉說。
實際上，目前市場不乏與搜狗聽寫同型別的語音識別產品，譬如科大訊飛早期推出的訊飛聽見等，相較而言，搜狗聽寫的差異化在哪？搜狗語音互動中心負責人王硯峰答道，搜狗聽寫存在優勢：
1、訊飛對應的產品，如訊飛聽見、訊飛錄音寶等，是不能支援長時間錄音、並且免費轉寫的。而搜狗是首次做了長時錄音設定，並且支援免費轉寫。
2、搜狗的產品是面向垂直場景，包括記者採訪的場景、作家寫作的場景等等。這些功能雖小，但很關鍵，體現在具體場景下，怎麼絞盡腦汁的想盡辦法，幫朋友解決問題。
3、搜狗聽寫支援手機端和windows，還有語音實時轉文字、邊聽邊改、標重點、快速查詢、多端同步、不限時長錄音等人性化功能。
4、依託搜狗日均超過2.6億次的語音請求，搜狗擁有海量的真實語料資料，可以使機器不斷學習，不斷提公升識別準確率，可應用的場景也越來越廣泛。
對於搜狗轉寫是否永久免費這個問題，王硯峰坦言，目前肯定是免費的，至於之後會不會收費，並不完全確定。至少按照現有的產品形態，可以肯定的是，在相當長時間內不考慮使用這個產品來賺錢。「作為一家網際網路公司，通過技術來收取技術服務費不是搜狗的商業邏輯。至少到現在為止，搜狗還不想通過產品收費的方式來進行商業變現。」
搜狗語音互動中心負責人王硯峰
搜狗聽寫不會是搜狗唯一的一款人工智慧產品，在王小川的規劃中，人工智慧是搜狗下一階段的重要戰略。
早在2023年，搜狗便開始研發智慧型語音技術，並開始布局相關產品的落地。去年8月3日，搜狗舉行知音引擎發布會，取得機器翻譯的突破。跟進當時世界上最領先的機器翻譯的深度學習框架（基於attion的端到端的框架），加上搜狗之前的語音識別基礎，用3個月時間，搭建起知音引擎，成功的應用於去年的烏鎮網際網路大會，該引擎在今年5月份奪得wmt2017中英機器翻譯的全球冠軍；去年11月份，搜狗又推出機器同傳，率先商用化...
這樣的案例很多。比如搜狗去年年底推出的答題機械人「汪仔」，「汪仔」面向搜尋引擎，實時的抓取海量資訊，根據問題的上下文，通過文字的分析、自然語言處理的能力，把使用者想要的答案提取出來。在今年5月份gmis2017會上，「汪仔」與人工速記進行了五輪pk，最終以4：1完勝。
「到現在為止，我們可以很堅定的說，機器的識別能力與人工速記相比，已經取得了本質性的領先。」王硯峰說。
然而儘管如此，語音識別同樣存在挑戰。王硯峰說，語音識別產品未來要解決的，一是遠場的問題——人與人之間的遠距離喊話，大家可以聽得很清楚，但機器的遠距離識別是不好的；二是雜訊聲音識別問題。
彼時搜狗的人工智慧戰略還只是個輪廓：自然互動+知識計算，如今，輪廓變為框架，搜狗已經形成乙個ai技術體系及平台。
平台由四個階層組成，底層是大資料和深度學習技術；倒數第二層是語言的ai、語音的ai、影象的ai——搜狗的核心是語言，影象和語音都是圍繞語言的互動方式；再上一層就是應用；最頂層就是搜狗的輸入法和搜尋兩款主打產品。
至於接下來的規劃，王硯峰透露，搜狗下半年將在硬體、軟體等場景集中一波攻勢：
1、在可穿戴、車載、客廳場景下，自主研發更多的硬體。比如搜狗在上個月已經發布了一款產品「智慧型副駕」，主打的模式就是通過多輪對話、地圖知識和對話能力的結合，打造乙個全程純語音互動的導航。
2、搜狗ai雲平台、ai雲服務將會服務更多的行業夥伴。
3、在更多的垂直場景下做智慧型垂直產品。
基於搜狗的語音能力和自然互動能力，在非巨頭壟斷的行業，搜狗還將嘗試做更多硬體產品的自研、試水、投資，或自己研發，或投資一些公司，以合作的方式把這些產品做出來。
在王硯峰看來，不論是車載市場、家庭場景，還是可穿戴市場，雖然玩家很多，但市場格局還未定型。因此，王硯峰認為搜狗完全有信心拿出更多爆款產品或有量產品，來搶占市場份額。
原文出處：科技行者
工具 轉 好用的語音轉文字工具，總有一款適合你！
訊飛聽見 訊飛的語音識別技術的確是強，無論是識別速度還是準確率都可以被稱之為業界標桿。而且說實話0.33元一分鐘的 真心不貴，乙個小時的音訊才不到20，也就一頓飯錢，對於我來說是完全可以接受的。所以一般別人問起我來都是首推訊飛聽見。迅捷pdf 非vip 使用者最大支援20m，什麼概念呢？拿通話錄音來...
一款好用的lnmp工具
恭喜，lnamp 已安裝成功 wdcp管理面板 http c48 whailun.houdunphp.com 8080 預設使用者密碼 admin wdlinux.cn 檢視伺服器web環境 探針資訊 phpinfo資訊 wdos官網 wdcp管理系統交流論壇 lanmp一鍵安裝包 wdos論壇討論...
工具 推薦一款檢視dll依賴工具
很久沒寫一篇像樣的部落格了，最近乙個月一直忙於專案，也沒時間去總結了，回到家，也就是看看書，沒怎麼總結。不過還是挺興奮的，每天過得還算充實。這裡也算是對五月份的乙個總結吧。因為專案是乙個輪詢簽名系統，在呼叫c 動態鏈結庫的時候，同事給提供了兩個版本的dll，乙個32位的，乙個64位的，名字一樣，引用...