原標(biāo)題：搜狗同傳：用 3.0 技術(shù)撬動(dòng) AI 語音市場(chǎng)更大版圖 來源：極客公園
「語言是人工智能皇冠上的一顆明珠」，王小川如此比喻。
從輸入法到搜索引擎，表達(dá)信息和獲取信息被搜狗汲取到了產(chǎn)品發(fā)展脈絡(luò)中。向 AI 時(shí)代跨越的搜狗，產(chǎn)品需要以新技術(shù)和新形態(tài)來承載。
而在 AI 商業(yè)化落地的進(jìn)程中，搜狗以自然交互和知識(shí)計(jì)算分別作為橫軸和縱軸。橫縱交匯處，便是搜狗在 AI 語音技術(shù)和產(chǎn)品的布局。在已成型的項(xiàng)目中，有一個(gè)產(chǎn)品顯而易見，那就是「搜狗同傳」。
在中國，從事同傳工作的，大多數(shù)是英語專業(yè)背景，精通全領(lǐng)域是充分而非必要條件。而面對(duì)涉及醫(yī)療、數(shù)學(xué)和物理等領(lǐng)域的會(huì)議時(shí)，同傳人員并不能很好地將這些相關(guān)術(shù)語準(zhǔn)地翻譯。
當(dāng)學(xué)術(shù)盲點(diǎn)變成了行業(yè)痛點(diǎn)，以語音智能見長(zhǎng)的科技公司便主動(dòng)出擊，抓住了同聲傳譯這一細(xì)分市場(chǎng)的機(jī)遇。迭代到 3.0 版本的搜狗同傳，已在逾千場(chǎng)大型會(huì)議上登場(chǎng)。
搜狗認(rèn)為，機(jī)器同傳的產(chǎn)品價(jià)值，主要體現(xiàn)在其致力于解決跨語言交流、跨語言信息獲取和語言表達(dá)的電子化記錄等障礙。若要真正實(shí)現(xiàn)這三點(diǎn)，不能單純地把語音識(shí)別和機(jī)器翻譯做嫁接，而需要一套完整的「有機(jī)系統(tǒng)」。
搜狗同傳產(chǎn)品的迭代軌跡
從語音到機(jī)器視覺
作為業(yè)內(nèi)首個(gè)商用機(jī)器同傳的產(chǎn)品，搜狗同傳的初始版本要追溯至 2016 年 11 月。
「在測(cè)試級(jí)的準(zhǔn)確率波動(dòng)比較大」，這是內(nèi)部對(duì)搜狗同傳 1.0 的客觀描述。比如領(lǐng)域、口音、中英文混雜等因素，都是導(dǎo)致同傳輸出的內(nèi)容出現(xiàn)極強(qiáng)不確定性的原因?！钢挥校ㄑ葜v者）字正腔圓時(shí)，準(zhǔn)確率才達(dá)到 95% 到 98%，其他時(shí)候可能只有 80%，」搜狗 AI 交互技術(shù)總監(jiān)陳偉如是說。
三年后，同樣的舞臺(tái)，相近的時(shí)間，搜狗同傳進(jìn)化到了第三代。對(duì)比初代版本，「其識(shí)別能力越來越強(qiáng)，錯(cuò)誤率越來越小，穩(wěn)定性越來越好」，這是團(tuán)隊(duì)給出的全新評(píng)價(jià)。
早期同傳產(chǎn)品之所以收效甚微，恰恰是沒有很好地搭建其這套系統(tǒng)模型。陳偉指出，傳統(tǒng)的同傳產(chǎn)品掣肘于通用模型，在會(huì)議同傳場(chǎng)景下，一旦涉及專業(yè)領(lǐng)域的內(nèi)容，機(jī)器同傳的效果和準(zhǔn)確度就遠(yuǎn)不及人工同傳。
搜狗同傳 1.0 發(fā)布以來就陷入了瓶頸。每逢重大場(chǎng)合，陳偉和團(tuán)隊(duì)就忐忑不已。歸根到底，是擔(dān)心效果不好。為了加速商用化進(jìn)程，團(tuán)隊(duì)連帶推出了「?jìng)€(gè)性化私人定制」的服務(wù)，就是投入人力，針對(duì)演講內(nèi)容做優(yōu)化。
在推進(jìn)的過程中團(tuán)隊(duì)發(fā)現(xiàn)，由于很難把所有演講人的 PPT 和材料收全，導(dǎo)致所謂的「?jìng)€(gè)性化定制」很難在會(huì)前完成。當(dāng)產(chǎn)品上了試煉戰(zhàn)場(chǎng)，疲于應(yīng)付的「下下策」總不是長(zhǎng)久之計(jì)。況且，一家科技公司不應(yīng)受困于技術(shù)。
順著個(gè)性化定制的思路，團(tuán)隊(duì)在琢磨：「如果把接口開放給用戶，事先上傳演講稿或重點(diǎn)內(nèi)容會(huì)不會(huì)好一些？」實(shí)現(xiàn)這一點(diǎn)不難，單仍舊談不上進(jìn)步。要知道，大會(huì)演講通常是來也匆匆，去也匆匆，嘉賓上陣 PPT 馬上跟播，不可能有充裕的時(shí)間來完成私人定制。
趔趄之中，倒逼著搜狗同傳的技術(shù)團(tuán)隊(duì)研發(fā)更智能、更敏捷的同傳系統(tǒng)，讓機(jī)器自覺地定制語境，擺脫人工干預(yù)。
「原來我們以為，人工同傳只是戴著耳機(jī)去聽演講者在講什么，」陳偉后來了解到，同傳的過程不是全程無材料的「裸翻」。同傳師坐進(jìn)全玻璃的同傳箱之前，需要提前準(zhǔn)備一到兩天的時(shí)間，了解活動(dòng)當(dāng)天的全部背景資料。
以往的機(jī)器同傳，僅僅是通過語音技術(shù)來識(shí)別講述內(nèi)容。而搜狗同傳 2.0 的產(chǎn)品啟發(fā)，實(shí)際上借鑒了人工同傳的流程。在同傳的過程中，除了做好語音識(shí)別以外，團(tuán)隊(duì)意識(shí)到，視覺信息同等重要。
實(shí)際上，」每個(gè)演講者都有一套自己的話語體系，」陳偉指出，基于搜狗同傳 2.0，團(tuán)隊(duì)引入 OCR 技術(shù)，通過攝像頭或數(shù)據(jù)線來捕捉 PPT 內(nèi)容，算法實(shí)時(shí)在后端分析 PPT 的核心關(guān)鍵詞，搜狗同傳 3.0 的就緒度已完成了 50%。
識(shí)別翻譯協(xié)同模塊進(jìn)化前后的語句對(duì)比
多模態(tài)+知識(shí)圖譜=語境引擎
當(dāng)自動(dòng)化定制成為過去式，最新發(fā)布的搜狗同傳 3.0，內(nèi)核進(jìn)化成為了「語境引擎」。除了「語音信息+OCR」的結(jié)合方式，升級(jí)后的產(chǎn)品，最大亮點(diǎn)是在「能聽會(huì)看」的多模態(tài)基礎(chǔ)上，注入了思考和推理能力，背后靠的是知識(shí)圖譜的加持。
從機(jī)器同傳的流程來看，當(dāng)機(jī)器視覺捕捉到核心關(guān)鍵詞之后，會(huì)根據(jù)搜狗的知識(shí)圖譜技術(shù)，把相關(guān)的詞匯以及專業(yè)領(lǐng)域相關(guān)的詞語拓展出來，作為語音識(shí)別和翻譯的加強(qiáng)。
這一點(diǎn)非常重要。通過語境引擎構(gòu)建的個(gè)性化知識(shí)，團(tuán)隊(duì)在某一專業(yè)論壇做了測(cè)試評(píng)估，結(jié)果顯示其識(shí)別準(zhǔn)確率提升了 21.7%，翻譯正確率提升了 40.3%。補(bǔ)足了上一代從 PPT 獲許不到太多關(guān)鍵詞的短板。
從搜狗同傳 3.0 在某論壇的的評(píng)測(cè)效果來看，滿分為 5 分，人工同傳得分 4.08，搜狗同傳 2.0 為 3.41 分，搜狗同傳 3. 為 3.82 分?！高@說明這說明 3.0 的系統(tǒng)距離人工同傳的水平更加接近，它更像一個(gè)專家和內(nèi)行一樣，去解讀和翻譯大會(huì)，」陳偉表示
以搜狗同傳 3.0 實(shí)際應(yīng)用效果為例。案例一的背景是圍繞阿爾法狗和李世石的人機(jī)大戰(zhàn)?！竿蹲印故且粋€(gè)圍棋術(shù)語，沒有語境的前提下，2.0 版本會(huì)把這一詞匯識(shí)別為「投資」，但 3.0 版本可以根據(jù) PPT 的內(nèi)容，拓展出「投子」的術(shù)語。
類似的案例還有「羅輯思維」。搜狗同傳 2.0 的系統(tǒng)沒有辦法捕捉語境信息去做優(yōu)化和增強(qiáng)。3.0 版本，系統(tǒng)根據(jù)羅振宇的知識(shí)圖譜做拓展，自動(dòng)判定跟他密切相關(guān)的是「羅輯思維」，而不是「邏輯思維」。
值得一提的是，3.0 版本在英文詞匯方面，對(duì)觀眾更加友好。例如在醫(yī)學(xué)領(lǐng)域，「INI」對(duì)應(yīng)的是「國際神經(jīng)科學(xué)研究所」的中文譯稱。以往，機(jī)器同傳的結(jié)果會(huì)直接顯示「INI」，普通聽眾很可能不太清楚其具體含義，基于機(jī)器對(duì)知識(shí)圖譜進(jìn)行拓展查詢，在搜狗的專業(yè)中英文知識(shí)庫中，就可以找到與之相應(yīng)的中文解釋。
語境引擎是搜狗同傳3.0取得突破的關(guān)鍵
2B 最終落向 2C
「我們認(rèn)為未來面向人和機(jī)器交互過程中，一定是多模態(tài)的」，搜狗提倡的技術(shù)主張，使機(jī)器同傳和同類產(chǎn)品拉開了一代之差?！杆麄冞€是以同傳為主，我們已經(jīng)從語音跨到了多模態(tài)，并把對(duì)于知識(shí)和語音的理解放進(jìn)去，使同傳開始具備一定的認(rèn)知能力?！?/p>
必須要承認(rèn)的是，無論是搜狗同傳還是其他玩家，大家目前距離頂級(jí)同傳的水準(zhǔn)還有很長(zhǎng)的路要走。雖然真正到金字塔塔尖的同傳人才十分稀少，但陳偉認(rèn)為目前的機(jī)器同傳能力和頂級(jí)人工同傳相比，仍存在不小的差距。
顯然，針對(duì)極高規(guī)格的會(huì)議場(chǎng)景，現(xiàn)階段的機(jī)器同傳還達(dá)不到要求。不過在復(fù)雜要求不高，輔助觀眾和聽眾跨語言交流的用途中，其發(fā)揮的作用愈發(fā)明顯。因此，行業(yè)應(yīng)該要抱著向人工同傳學(xué)習(xí)的態(tài)度，「而不能說今天六級(jí)，明天八級(jí)，后天機(jī)器超越人工了，這不是特別好的心態(tài)?！?/p>
除了大會(huì)演講這種 2B 同傳場(chǎng)景，未來，機(jī)器同傳可向記者采訪、跨國辦公會(huì)議、中英文視頻直播、字幕翻譯等場(chǎng)景延展。這些應(yīng)用場(chǎng)景最主要的挑戰(zhàn)，是怎么保證機(jī)器同傳的穩(wěn)定效果，考驗(yàn)的是采集設(shè)備、網(wǎng)絡(luò)環(huán)境、識(shí)別能力等?！割A(yù)計(jì)迭代到 3.5 的版本，技術(shù)沉淀后的能力，就可以向這些場(chǎng)景做覆蓋了?！?/p>
盡管搜狗通過技術(shù)迭代不斷地教育市場(chǎng)，不過機(jī)器同傳并沒有在過去一兩年迎來爆發(fā)，搜狗同傳也并沒有通過大會(huì)獲取收入。其中很重要的因素在于，「跨代躍進(jìn)的效果提升，需要一個(gè)研發(fā)周期，在這個(gè)過程中不能盲目地向 B 端市場(chǎng)狂推?！龟悅ッ鞔_指出，搜狗同傳更多的是代表了搜狗在 AI 方面的核心競(jìng)爭(zhēng)力和技術(shù)驅(qū)動(dòng)創(chuàng)新上的成果，所以「不會(huì)是一個(gè)很賺錢的行業(yè)」。
而搜狗在 AI 語音商業(yè)化的進(jìn)程，最終的指向還是 2C。陳偉預(yù)判，未來各種各樣的場(chǎng)合都可能用到搜狗同傳的技術(shù)，通過同傳打磨的能力也可以反向用于搜狗的 C 端產(chǎn)品?！肝覀兿Ｍ运压吠瑐髟诖髸?huì)場(chǎng)景和 B 端的經(jīng)驗(yàn)、數(shù)據(jù)為基礎(chǔ)，不斷打磨 2B 輸出的能力，最后反哺到 2C 端的市場(chǎng)中?！?/p>
責(zé)任編輯：臥蟲
圖片來源：VPhoto、搜狗
