搜狗洪涛 搜狗CTO杨洪涛正式对外发布搜狗语音交互引擎

8月3日,搜狗CTO杨洪涛正式对外发布了搜狗语音交互引擎——知音,该技术致力于让人机交互更加自然,不仅"能听会说",还具有"能理解会思考"的能力。发布现场,杨洪涛一边介绍搜狗未来几年的AI技术战略,大屏幕一边通过知音引擎进行语音交互展示,正确率可达到99%。

杨洪涛表示,自然交互和知识计算是搜狗在人工智能领域的两大战略方向,目前搜狗在AI领域的研发已经全面展开,并在智能语音领域取得了重大突破,"知音"引擎作为搜狗在自然交互方面的重要成果,充分说明了搜狗强大的技术实力,未来随着搜狗在自然交互与知识计算方面的不断完善,"知音"将会在更多场景为用户提供服务。

给语音识别装上了大脑

还记得科幻片《钢铁侠》中,托尼·史塔克的AI管家贾维斯吗?随着科技快速迭代升级,过去在科幻片中出现的情景,很多都将在日后变为现实,声音的交互会出现在生活的各类场景中。

现场,搜狗语音交互中心负责人王砚峰通过文本编辑、车内导航、生活娱乐三个场景为大家演示了语音识别交互的深度应用。通过视频可以发现,首先,"知音"解决了用户在说话过程中因语速过快而导致的吞音问题,语音识别错误率相对下降30%以上,语音识别速度提升3倍。

其次,"知音"能够在语音交互的过程中支持用户修正错误的识别结果,用搜狗手机输入法推出的"语音修改功能",用户只需通过自然语言即可修改之前的输入文字,例如用户可以说:"把‘张’修改为立早‘章’,或者把‘张’修改为文章的‘章’,把(男)他改成女字旁的她"等,输入法便可以马上理解并执行指令。

不仅如此,"知音"还支持多轮对话,处理更复杂的用户交互逻辑,用更自然并且用户更容易接受和理解的方式进行交互,更好地感知用户语音请求背后的真正需求,从而提供更为便捷的人性化服务。比如用户说我要去首都机场,它会问T1还是T2,当用户确定航站楼后,它会问是出发还是接人。

"现在的语音交互分成三个技术环节,语音识别、语义理解和语音合成。其中语音识别代表的是机器的耳朵,语音理解代表是机器的大脑。‘知音’语音纠错技术相对于给语音识别加上大脑,以前语音识别没有大脑只有耳朵,它并不知道内容到底指的是什么。

"王砚峰表示,如果想要做到更聪明的语音交互,要解决两个问题——一个更灵敏的耳朵和一个更聪明的大脑,这就是我们的搜狗知音引擎。

据了解,搜狗从2012年开始研发智能语音技术,并在2013年开始进行深度学习,目前搜狗的智能语音技术已经成功应用到搜狗的全线产品中。数据显示,搜狗搜索日均语音搜索次数增长超过4倍,搜狗手机输入法日均语音输入超过1.4亿次,成为中国语音输入功能使用量最大的移动手机产品,搜狗语音技术也在用户产品的迭代中快速取得了行业领先的效果。