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(zhǔn)點(diǎn)

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(bào)道 | 公眾號 QbitAI

回顧即將過去的2019年，這一年AI領(lǐng)域的行業(yè)關(guān)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(shù)應(yīng)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(fèi)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(gòu)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(fèi)者。

時(shí)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(xiàn)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(dòng)端不再是唯一的用戶入口，豐富多樣的硬件成為互聯(lián)網(wǎng)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(cái)力在這片紅海中。

但王小川認(rèn)為，智能音箱不是未來硬件的趨勢。在接受《財(cái)經(jīng)天下》采訪時(shí)，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(shè)器官，提升能力及能力邊界。

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

對于人來說，語音雖然是一個(gè)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(gè)很重要的原因就是重新整理錄音內(nèi)容耗時(shí)耗力。

隨著搜狗將AI技術(shù)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(guān)注度還是銷量都出現(xiàn)了增長。

搜狗不僅自己做硬件，也要為整個(gè)產(chǎn)業(yè)賦能，今年8月，搜狗聯(lián)合愛國者、紐曼、索尼等錄音筆制造商，成立AI創(chuàng)新聯(lián)盟，把自身的AI技術(shù)和服務(wù)開放給友商，實(shí)現(xiàn)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(huì)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(huì)顛覆一些傳統(tǒng)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(tǒng)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(jīng)玩出了花來，給它加入變聲功能、輸入法預(yù)測。

最早是5月，搜狗為手機(jī)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(zhuǎn)化成另一個(gè)角色，語調(diào)的抑揚(yáng)頓挫、情感都原原本本保留下來，效果堪比柯南的“變聲領(lǐng)結(jié)”。

上個(gè)月，搜狗輸入法又迎來重大產(chǎn)品升級，正式迎來10.0版本。用AI技術(shù)提升輸入體驗(yàn)，推出了“AI逐字校對”、“AI長句預(yù)測”等全新功能。

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

搜狗語音變聲已經(jīng)用在得到這樣的知識付費(fèi)平臺(tái)中，通過與知識大咖梁寧的合作，這項(xiàng)技術(shù)大大提高了語音付費(fèi)內(nèi)容的生產(chǎn)效率。

搜狗不僅能合成單獨(dú)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(bào)新聞。

通過先進(jìn)的語音合成、人臉建模等技術(shù)，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(shí)不間斷播報(bào)，將傳統(tǒng)的媒體工作者從繁重的新聞播報(bào)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(huì)、WISE大會(huì)中擔(dān)當(dāng)了“主持人”，若非是在屏幕上顯示，幾乎可以以假亂真。

基礎(chǔ)研究的積累

火箭的推進(jìn)離不開燃料，搜狗積累的AI技術(shù)就是推進(jìn)三級火箭的核心動(dòng)力。

今年搜狗已在多項(xiàng)語言AI技術(shù)的上達(dá)到全球領(lǐng)先的水平，并在一些頂級會(huì)議上發(fā)表學(xué)術(shù)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(tuán)隊(duì)?wèi){借BERT + Answer Verification模型在AI問答大賽CoQA中，超過微軟、訊飛、清華、復(fù)旦等公司和高校奪得冠軍。

搜狗一直堅(jiān)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(jī)器閱讀理解是現(xiàn)今問答技術(shù)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(huì)有新的形態(tài)”，這個(gè)“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(huì)議ICASSP上，提出了一個(gè)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(jù)唇形和語音準(zhǔn)確識別內(nèi)容。該技術(shù)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(zhǔn)確率提高了30%。

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

搜狗認(rèn)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(shù)已經(jīng)發(fā)展到了一個(gè)瓶頸階段，純的聲音識別已經(jīng)很難再有大幅度的提高。

在搜狗看來，未來的人機(jī)交互不止是聲音，還有視覺動(dòng)作、神態(tài)的加入，這些技術(shù)都會(huì)提高交互體驗(yàn)。

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(shù)實(shí)力不斷通過to C方式展現(xiàn)。

短短一年的時(shí)間里，搜狗的錄音筆設(shè)備已經(jīng)穩(wěn)穩(wěn)占據(jù)市場，AI合成等技術(shù)主要也迅速擴(kuò)展到知識付費(fèi)、新聞媒體、互聯(lián)網(wǎng)法院、金融客服等各個(gè)角落。

在技術(shù)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(shù)為搜狗的輸入法和新的硬件產(chǎn)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(shù)加持的各種產(chǎn)品，無論是硬件還是軟件都能成為用戶的智能助理。

“落地實(shí)用”是扎根在搜狗工程師大腦中的理念，先進(jìn)的技術(shù)一經(jīng)推出就快速應(yīng)用到產(chǎn)品中，與競品形成差異化競爭。

搜狗也不局限在某幾個(gè)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(shù)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(jì)算，將搜狗已有的語音AI技術(shù)帶到一個(gè)更新的應(yīng)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(shù)的創(chuàng)新者和引領(lǐng)者。

明年，搜狗還會(huì)有什么動(dòng)作，王小川口中的兩個(gè)神秘智能硬件是什么？值得期待。