搜狗的2019年：錄音筆開辟智能硬件新戰(zhàn)場，語言AI要在C端找準點

曉查 2019-12-11 12:52:08 來源：量子位

曉查 發(fā)自 凹非寺
量子位 報道 | 公眾號 QbitAI

回顧即將過去的2019年，這一年AI領域的行業(yè)關鍵詞是“落地”，至于到底落在哪里，每家公司都有不同的見解。

在搜狗CEO王小川看來，AI技術應該落在C端。至少to B和to C并不矛盾，即使是to B，最終也要落到消費者身上。

王小川之所以這么說，是搜狗這家公司的基因決定的。

多年以前，王小川就為搜狗構想了一套完整的to C戰(zhàn)略，他提出的“三級火箭”理論，其中的每一級都是面向消費者。

時代在變，搜狗也把三級火箭升級為搜索、輸入法和硬件，如今AI就是這只火箭的燃料。以搜索起家的搜狗，現在要以語言AI為燃料助推火箭。

那么，過去這一年里，AI火箭把搜狗推到了什么高度，搜狗火箭注入的燃料里究竟有什么成分？

硬件另辟蹊徑

今天PC端、移動端不再是唯一的用戶入口，豐富多樣的硬件成為互聯網公司爭奪用戶的新戰(zhàn)場。

在硬件這條道路上，搜狗的思路與眾不同。

要說2019年最火的AI硬件是什么，非智能音箱莫屬，小米、華為、百度、阿里，都投入了巨大的人力財力在這片紅海中。

但王小川認為，智能音箱不是未來硬件的趨勢。在接受《財經天下》采訪時，王小川說，未來的智能硬件一定是更便攜、更具備IO能力的，可以成為人的外設器官，提升能力及能力邊界。

搜狗把目光鎖定在一個市場規(guī)模僅400萬的硬件市場——錄音筆。這個看似不起眼的小硬件讓搜狗在硬件領域獲得了初步勝利。

對于人來說，語音雖然是一個快速輸入的好方式，但并不適合快速的讀取。過去錄音筆之所以不被用戶接受，一個很重要的原因就是重新整理錄音內容耗時耗力。

隨著搜狗將AI技術注入到錄音筆中，這一看似不起眼的硬件又煥發(fā)了新的活力，無論是關注度還是銷量都出現了增長。

搜狗不僅自己做硬件，也要為整個產業(yè)賦能，今年8月，搜狗聯合愛國者、紐曼、索尼等錄音筆制造商，成立AI創(chuàng)新聯盟，把自身的AI技術和服務開放給友商，實現行業(yè)共贏。

成功探索出AI錄音筆這一智能硬件后，搜狗還會嘗試哪些新的形式？

在這次采訪中，王小川還透露，明年年初搜狗將推出兩款新的智能硬件，可能會顛覆一些傳統行業(yè)。

軟件添加新玩法

硬件為搜狗開辟了新的戰(zhàn)場，搜狗傳統的軟件陣地也在鞏固，甚至還開辟出了新的邊界。

光是輸入法，搜狗今年就已經玩出了花來，給它加入變聲功能、輸入法預測。

最早是5月，搜狗為手機端輸入法加入了變聲功能，讓用戶可以輕松模仿周星馳、高曉松等明星的聲音。

簡而言之，只要用戶在輸入法中錄入一段自己的語音，就能瞬間把聲音轉化成另一個角色，語調的抑揚頓挫、情感都原原本本保留下來，效果堪比柯南的“變聲領結”。

上個月，搜狗輸入法又迎來重大產品升級，正式迎來10.0版本。用AI技術提升輸入體驗，推出了“AI逐字校對”、“AI長句預測”等全新功能。

除了直接提供給消費者的產品，搜狗還有toB而后toC的語音技術、分身技術，雖然普通用戶可能沒有直觀感知，但這些技術已經和我們的生活息息相關。

搜狗語音變聲已經用在得到這樣的知識付費平臺中，通過與知識大咖梁寧的合作，這項技術大大提高了語音付費內容的生產效率。

搜狗不僅能合成單獨的語音，還能通過合成的虛擬分身以視頻形式聲情并茂為用戶傳遞信息。目前，包括新華社、央視的多家媒體都使用了搜狗的AI合成主播，為觀眾播報新聞。

通過先進的語音合成、人臉建模等技術，搜狗AI合成主播能大大縮短新聞制作流程，無論何種場景都能快速上崗。

它還能做到24小時不間斷播報，將傳統的媒體工作者從繁重的新聞播報工作中解脫出來，大大提升了媒體行業(yè)的效率。

最近，搜狗的合成主播還在T-EDGE科技大會、WISE大會中擔當了“主持人”，若非是在屏幕上顯示，幾乎可以以假亂真。

基礎研究的積累

火箭的推進離不開燃料，搜狗積累的AI技術就是推進三級火箭的核心動力。

今年搜狗已在多項語言AI技術的上達到全球領先的水平，并在一些頂級會議上發(fā)表學術論文，展示了搜狗軟硬件之下的支撐力。

年初，搜狗搜索AI研究團隊憑借BERT + Answer Verification模型在AI問答大賽CoQA中，超過微軟、訊飛、清華、復旦等公司和高校奪得冠軍。

搜狗一直堅持探索以語言為核心的人工智能戰(zhàn)略，AI問答對搜狗具有重要意義，王小川相信搜索的未來是問答。而機器閱讀理解是現今問答技術發(fā)展的核心之一。在這次采訪中，王小川也提到“搜索明年會有新的形態(tài)”，這個“新形態(tài)”可能是走向問答的重要一步。

5月，搜狗在信號處理頂級會議ICASSP上，提出了一個新的多模態(tài)語音識別模型，即“基于模態(tài)注意力的端到端音視覺語音識別”。

人類說一段話，AI根據唇形和語音準確識別內容。該技術對嘈雜環(huán)境下的語音識別具有極大的提升作用。在外界噪聲與語音信號幾乎相同的情況下，搜狗的多模態(tài)識別能將準確率提高了30%。

多模態(tài)語音識別未來將在搜狗的手機輸入法中集成，也有可能與車廠合作，解決車內復雜環(huán)境的語音識別，拓展搜狗技術的使用場景。

搜狗認為未來語音識別和交互的方式一定是多模態(tài)的，語音識別技術已經發(fā)展到了一個瓶頸階段，純的聲音識別已經很難再有大幅度的提高。

在搜狗看來，未來的人機交互不止是聲音，還有視覺動作、神態(tài)的加入，這些技術都會提高交互體驗。

搜狗這一年

縱觀搜狗的2019年，從AI錄音筆、輸入法升級再到AI合成主播，搜狗的新技術實力不斷通過to C方式展現。

短短一年的時間里，搜狗的錄音筆設備已經穩(wěn)穩(wěn)占據市場，AI合成等技術主要也迅速擴展到知識付費、新聞媒體、互聯網法院、金融客服等各個角落。

在技術研發(fā)上，搜狗也是步步為營、穩(wěn)扎穩(wěn)打，多模態(tài)的語音識別技術為搜狗的輸入法和新的硬件產品帶來的新的想象。

從這些端倪，我們不難看出搜狗希望以語言AI為核心，讓AI技術加持的各種產品，無論是硬件還是軟件都能成為用戶的智能助理。

“落地實用”是扎根在搜狗工程師大腦中的理念，先進的技術一經推出就快速應用到產品中，與競品形成差異化競爭。

搜狗也不局限在某幾個特定場景，而是在各種場景下為用戶提升效率。在語音AI技術取得突破后，搜狗還在積極拓展邊界，加入圖像、視覺、翻譯、知識計算，將搜狗已有的語音AI技術帶到一個更新的應用場景，和更高的理論高度。

用搜狗自己的話來說，搜狗正致力于成為語言AI技術的創(chuàng)新者和引領者。

明年，搜狗還會有什么動作，王小川口中的兩個神秘智能硬件是什么？值得期待。