搜狗语音交互技术中心总经理王砚峰

搜狗推出语音转写文字工具“搜狗听写”，基于搜狗知音引擎的长时语音听写技术，可实现小时级文字转写功能，文本语音同时生存。现已上线Android、iOS移动端和Web版本，提供“听写”和“转写”两种模式，办事免费，主要面向记者、编纂、作家等文字工作者。

活动现场，搜狗方面体现，后期将重点推进人工智能技术的落地，并透露将在可穿戴、车载、客厅等场景领域自主研发硬件。搜狗方面透露，搜狗将于近期推出一款面向家庭和儿童的机器人产品。

据介绍，搜狗语音输入法错误率已经下降到3.8%，语音识别办事每日请求PV为2. 6 亿次，每天产生语料 22 万小时。基于规模性的用户语音数据，听写产品将搜狗的语音识别、自然语言理解等技术进一步延展落地。

传统语音转录产品主要包孕两大类，录音类、语音输入法+备忘录。前者只能录音不能实现文字转写，不能标注重点;后者无法长时语音输入，可能被打断，无法生存原始录音。搜狗认为语音转录产品具备刚性需求。基于上述痛点，搜狗听写提供听写和转写模式，听写模式可边收音边展现识别结果，转写模型支持离线上传文件给出识别结果。

在功能设计上，搜狗听写提供语音和文字无缝对齐，便利重点内容定位;支持重点标注，对应的文本和语音可同时标注。产品可在手机端边听边写，实现手机端和网页端内容同步。此外，搜狗听写还提供外接蓝牙键，与手机配对，便利用户录音过程中实时标注。搜狗听写还可按照语义自动添加标点，标点正确率高达96%，标点类型在满足逗号、句号、问号、叹号的基础上，还率先扩充了书名号。

在应用场景上，搜狗听写针对用户的使用场景，如开会，写小说等场景进行优化。识别效果较通用效果提升15%以上;还针对未便于大声说话而又有使用语音的场景，提供了耳语识别技术，在人的说话音量低至 30 分贝以下的情况下，依然可以准确识别。

相较于此前的输入法语音识别，搜狗听写的使用场景更加复杂，在算法模型层面，搜狗进行了优化。据介绍，听写模式采用业内领先的端到端深度神经网络技术Deep LC-CLDNN+CTC技术，转写模式使用了Deep CNN+CTC的方式，语言模型基于T级海量输入法文本数据使用神经网络进行建模，语音识别准确率高达97%。

在语音文字转写工具领域，，科大讯飞已经推出录音宝、讯飞听见等产品。当谈到搜狗听写的差异性，搜狗语音交互技术中心总经理王砚峰认为，搜狗听写的优势在于可支持长时录音，转写办事免费。在功能设计上，搜狗更看重垂直场景的体验提升，好比加入蓝牙键，提供改写、标注、发摘要等在线编纂功能。(侯迪憬)