Alex Graves在《Neural Turing Machines》論文中提到的一句話一直讓陳偉印象深刻——“ What is possible in principle is not always what is simple in practice”。也正因此，“知易行難”成為鐫刻在陳偉行為模式中的一個準(zhǔn)則。

陳偉是搜狗語音交互中心總監(jiān)，他與搜狗語音團隊似乎一直恪守著低調(diào)準(zhǔn)則：沒有準(zhǔn)備好不發(fā)布、沒有成果不發(fā)聲。9月8日，WMT官方公布成績：搜狗語音交互技術(shù)中心-機器翻譯團隊提交的中英和英中系統(tǒng)，獲得了人工評價指標(biāo)的雙向第一名。

1、

WMT——全稱Workshop on Machine Translation——是由來自歐洲和美國的高校、研究機構(gòu)的研究人員聯(lián)合舉辦的業(yè)界公認(rèn)的國際頂級機器翻譯比賽之一。9月7 日至8日，WMT2017會議于丹麥?zhǔn)锥几绫竟e行，系全球范圍內(nèi)最具權(quán)威的國際評測大賽。 

從2006年開始到2017年，WMT一共舉辦了12屆機器翻譯比賽，每一屆的角逐，都代表著全球翻譯最尖端水準(zhǔn)的較量。今年不同于以往的地方在于，中譯英、英譯中的機器翻譯部分是今年新添加的項目，屬于WNT框架下的第一次。

9月8日，WMT官方公布成績：搜狗語音交互技術(shù)中心-機器翻譯團隊提交的中英和英中系統(tǒng)，獲得了人工評價指標(biāo)的雙向第一名。同時，搜狗語音交互技術(shù)中心提交的中譯英系統(tǒng)在20個提交的系統(tǒng)中，獲得八項機器評價指標(biāo)中的七項第一，并且獲得主要機器指標(biāo)BLEU(Bilingual Evaluation Understudy)第一名。

據(jù)雷鋒網(wǎng)了解，搜狗語音識別團隊成立于2012年，機器翻譯團隊成立于2016年。2012年，陳偉剛剛加入搜狗。那時，團隊僅僅幾個人，主要研究語音識別技術(shù)。陳偉稱，從2012年到如今，語音能力一直是團隊重要的技術(shù)方向，圍繞語音識別、輸入法的結(jié)合，現(xiàn)在基本實現(xiàn)一天語音識別的請求次數(shù)高達3億次，屬于國內(nèi)最大的語音APP。

語音之外，圍繞搜狗的整體戰(zhàn)略，研究自然交互與計算，也是團隊目前的重點?；诖耍压氛Z音交互團隊的重心也會逐漸轉(zhuǎn)移到多模態(tài)輸入。“除了單獨的語音的聽、語音識別之外，我們還做了聽與說，也就是合成?！?/p>

另外，陳偉對雷鋒網(wǎng)表示，基于語音的聽說能力，搜狗還研發(fā)了一些個性化技術(shù)——例如聲紋識別，判斷你是誰，以及是哪類語種、哪種語言，語音分析的能力。

以及，隨著手機近場向遠場技術(shù)的發(fā)展，例如音箱、電視，搜狗也具備了自己的麥克風(fēng)等硬件能力，正是在此基礎(chǔ)之上，搜狗考慮將輸入法作為人和人交流表達信息的產(chǎn)品，希望用戶去做跨語言的交流。

2、

一直以來，隨著搜狗語音交互技術(shù)的發(fā)展，相關(guān)硬件產(chǎn)品也逐漸落地，對于互聯(lián)網(wǎng)公司為什么要做硬件這一點，陳偉也談了一下他的看法。

•  第一，看這款產(chǎn)品能夠帶來哪些價值，有鏈接就可以搶占更多入口。

• 第二，現(xiàn)在國內(nèi)用戶對于軟件付費的意愿不是很強，通過銷售硬件的方式，盈利可能性更高。

• 第三，用戶對于軟件、硬件的遷移成本不一樣，例如用戶對一款智能手表的遷移成本就會比較高，相應(yīng)的用戶黏性一般也也就較強，這是留住用戶的一種方式。

• 第四，當(dāng)你的軟件做到一個非常好的效果情況下，你會發(fā)現(xiàn)你的頻率很多時候在硬件上，你怎么把體驗做得更好，你必須要對硬件有一定的把控能力。

陳偉對雷鋒網(wǎng)表示，搜狗語音技術(shù)的逐漸公開，內(nèi)在來講，經(jīng)歷過一段暗自成長的過程。

時間上，從2012年至2016年，這段時間，搜狗將重心放在服務(wù)內(nèi)容產(chǎn)品、沉淀技術(shù)上面，從2016年至2017年，是搜狗語音交互技術(shù)密集落地的時間。原因上，陳偉對雷鋒網(wǎng)解釋稱，主要是因為經(jīng)過足夠長時間的沉淀，搜狗語音技術(shù)的能力逐漸成熟，在國內(nèi)已經(jīng)屬于領(lǐng)先了，“于是我們認(rèn)為有必要將落地產(chǎn)品拿出來?！?/p>

“搜狗一直是以技術(shù)為重的公司?！遍_始鉆研AI 技術(shù)的時間早于阿爾法狗概念火爆的時間，方向上一直盡量將重心聚焦在輸入法與搜索兩個主產(chǎn)品。

而搜狗將產(chǎn)品真正實現(xiàn)落地的前提之一，就是當(dāng)時識別技術(shù)成熟，并被運用在輸入法上。陳偉介紹稱，搜狗輸入法剛上線時錯誤率達到了30%~40%，如今降至10%，流量也持續(xù)上漲。當(dāng)語音質(zhì)量穩(wěn)定在安靜、沒有口音的情況下，準(zhǔn)確率可以達到97%。

此外，搜狗圍繞公司戰(zhàn)略逐漸開始業(yè)務(wù)擴展，比如開始多模態(tài)研發(fā)、將手寫放到搜狗輸入法上、自研翻譯技術(shù)、逐漸圍繞交互形成自己的語音助手，以及目前與四維合作的車展設(shè)備、與小米電視、創(chuàng)維電視合作的語音交互技術(shù)等，都在逐步落地。

 

3、

技術(shù)成熟、產(chǎn)品落地，搜狗語音的下一步在哪里？

語音交互是一個場景非常明朗的狀態(tài)，搜狗既希望將這項技術(shù)能力輸出，也希望可以探索出語音交互的真實場景在什么地方。因此，搜狗將剛需場景鎖定在車載、智能家居以及可穿戴三個場景，通過與包括小米、創(chuàng)維能較好公司合作深度定制。

2016年8月4日，搜狗推出語音交互引擎“知音”，其后，搜狗打造出“知音OS”語音交互平臺，是一款面向手機、電視、可穿戴、車載設(shè)備等智能設(shè)備的語音交互平臺。目前，知音OS已經(jīng)在小米、魅族、創(chuàng)維、海爾等產(chǎn)品中落地應(yīng)用。

目前，據(jù)雷鋒網(wǎng)了解，目前多家人工智能公司均致力于操作系統(tǒng)與開放平臺的研發(fā)與推廣，談到搜狗的獨特性，陳偉稱，相比而言，搜狗知音會更開放一些?！八压窌⒆陨砟芰εc合作方做更多的深入定制，包括經(jīng)驗與能力層面的交流與交互。相反，其他公司或許相對封閉一些，更傾向于將定制借口掌握在自己手里，輸出封閉的解決方案?！?/p>

同時，目前真正有能力將語音交互做到閉環(huán)的公司少之又少，從前端硬件結(jié)構(gòu)，到后端識別合成、語義理解，再加上翻譯，這些能力全部具備的公司并不多。但搜狗所具備的獨特優(yōu)勢是，不斷進行的產(chǎn)品迭代，可以讓搜狗無論從搜索本身形成的知識積累、或是已有產(chǎn)品貢獻出的用戶數(shù)據(jù)，均積累成大規(guī)模的用戶資源，進而將整個交互場景搭建得更為完善。“要將語音交互做到通用是比較難的，更多還是要圍繞垂直層面發(fā)力?！标悅ケ硎?。

至于知音OS系統(tǒng)的推廣時間，陳偉稱，目前整個團隊正朝大規(guī)模推廣方向走，但細(xì)水長流，還沒有確定的時間點，需要等到整個團隊建立穩(wěn)定的吞吐能力、標(biāo)準(zhǔn)化體系、以及最適合自己的場景。“大方向還是由搜狗搭建技能平臺，由用戶自己去自定義、自定制。”

雷峰網(wǎng)原創(chuàng)文章，未經(jīng)授權(quán)禁止轉(zhuǎn)載。詳情見轉(zhuǎn)載須知。