智能语音颠覆传统录音行业 搜狗智能录音笔一体化解决案头工作

随着人工智能技术的快速发展，智能语音技术已经取得众多突破，然而，传统录音行业尚未引入人工智能技术，这一蓝海领域也引得大型科技企业角力。近日，搜狗开始发售全新智能硬件“搜狗智能录音笔C1”，该设备通过采用搜狗知音深度卷积神经网络ASR能力，语音转文字识别准确率高达95%。

值得注意的是，搜狗智能录音笔C1融合了包括语音识别、语音合成、机器翻译等各种技术，是搜狗以语言为核心进行人工智能布局的重要一环。对于传统录音笔行业来说，这一技术落地的意义是颠覆性的，它改变了传统录音笔单纯的收声功能，将转写、编辑、同传等集于一体，为案头工作提供了一体化的解决方式。

数码录音设备被大规模替代 实时转写破解行业难题

录音不清晰、语音转写滞后、文字需要二次加工……目前，市场上多数录音笔产品功能仍仅停留在录音层面，而在多数场景下，智能手机的录音功能已经可以满足多数消费者的使用需求。

受益于人工智能技术，这些在传统录音笔行业中屡见不鲜的问题正在被逐一解决。与传统录音笔产品不同的是，近日搜狗公司推出的搜狗智能录音笔C1融合了语音识别、语音合成、机器翻译等一系列技术。

具体来看，搜狗智能录音笔C1配置全数字高灵敏麦克风，并采用双麦克风阵列，并基于双麦克风阵列拾音算法，可实现空间滤波、360度全向自动声源定位等，增强目标声源拾音效果。同时，其加入了智能辅助编辑技术，利用声纹识别技术，对不同说话人进行音色识别，进而自动区分不同讲话人。

据了解，搜狗智能录音笔C1既可以实现边录音边转写，录音结束，即时成稿；也可以先录音后转写，1小时录音，5分钟出稿。转写过程中，搜狗智能录音笔C1还提供自动分段、过滤语气词、顺滑处理、关键词优化、在线编辑、标记重点等智能化辅助编辑手段；转写完成后，则支持一键分享全部录音和文字，或重点段落录音和文字。

值得一提的是，搜狗此次免费提供了语音转文字服务，并且为了确保用户录音文件不会丢失，搜狗智能录音笔C1提供16GB本地存储和100小时的云端储存服务。相关录音数据可通过手机自动备份至云端，如遇突发断电，则能自动保存，以保障数据正常存储。同时，搜狗智能录音笔C1还由腾讯云提供企业级加密存储保障，以确保用户隐私安全。

不容忽视的是，任何行业中技术的变革均有望推动行业进一步发展。据前瞻产业研究院发布的《中国人工智能行业市场前瞻与投资战略规划分析报告》显示，截止至2017年全球智能语音市场规模增长至百亿美元，达到了110.3亿美元，同比增长30%，2018年全球智能语音市场规模有望达到141.1亿美元。

相对于智能语音的市场规模，数码录音笔行业则稍显惨淡。中研网数据显示，2017年我国数码录音笔行业营收20.98亿元，同比增长0.05%。与此同时，由于技术进步不明显，加之手机等移动设备广泛应用，传统数码录音设备正大规模被替代，智能化、一体化设备呼之欲出。

据搜狗AI硬件事业部首席产品经理李健涛介绍，“除了智能录音笔，未来将会规划更多的产品，可能不仅是单一产品，而是系列产品。面向整个录音转写行业，会考虑将搜狗的众多AI能力进行集合。”

在业界看来，录音笔行业与人工智能技术相结合，有望成为录音笔行业的新变革，除为用户提供高效、便捷的使用体验，产业与人工智能技术融合也正是未来各行业的发展趋势，通过人工智能技术提高人机交互性，进而帮助人们提升工作效率。

互联网巨头加速布局智能语音 颠覆传统录音行业

事实上，搜狗自2012年便开始研发智能语音技术，并逐渐从最早的语音识别发展到现在的多模态识别，其智能语音技术已经应用到搜狗的全线产品中。数据显示，搜狗输入法日均语音请求次数已达到5.34亿次。

今年2月，搜狗公司推出升级版站立式AI合成主播“新小浩”及世界首个AI合成女主播“新小萌”。其中，站立式“新小浩”不仅能坐着播报新闻，还能站立作出多种肢体动作。

在AI合成主播产品的背后是搜狗分身技术的支持，搜狗分身技术融合了唇语合成、语音合成、音视频联合建模与深度学习等技术，驱动机器生成对应的唇语图像与声音，进而构建一个真实的主播形象。相较于单一技术研发，搜狗更加关注如何让机器更好地表达信息。

搜狗智能录音笔C1的推出成为搜狗智能语音技术落地的又一成果。有业界人士认为，智能录音笔设备的广泛应用将颠覆整个传统录音行业，甚至包括速记、编辑、同传从业人员的工作方式也将被改变。

记者了解到，目前市场中主流的录音设备主要以传统数字储存的方式记录音频，多数产品还具备激光笔、MP3播放器等功能。对于文字工作而言，传统录音设备目前只能满足录音需求，后续编辑、翻译还需速记、编译人员进行，耗时耗资。于此同时，市面上已发布的智能录音设备，机器价格多为千元以上，同时转换文字多需另外收费。

搜狗商业平台事业部总经理原志军表示，搜狗智能录音笔C1的定价是基于现在传统录音笔定价进行考量的，主要是希望为消费者带来切实的好处，同时，搜狗智能录音笔C1能够提供录音功能之外的增值服务，这是它的竞争优势。

原志军进一步表示，搜狗在智能语音上将会保持长期的、战略性的投资，这也将进一步保障搜狗智能录音笔的后续服务。

事实上，继计算机视觉后，智能语音行业即将迎来行业爆发期。国金证券研报显示，在智能语音领域，根据Gartner 2018 AI技术成熟度曲线，语音识别、虚拟助理等相关智能语音技术历经淘洗已相对成熟，未来将推动产业走向爆发期，预计整个市场规模将从18年的75亿美元增长至24年的215亿美元，CAGR达19%。

对于人工智能领域的布局，搜狗CEO王小川表示，在前沿的AI领域，搜狗会通过智能硬件、分身，去做适当的布局，希望能够通过它实现这两个目的：第一、能够使得用户交互更加方便，能够去改善我们现在的用户界面；第二、进入到垂直的行业，用这种智能技术给行业赋能。

赛迪顾问人工智能产业研究中心张梓钧认为，从市场规模方面看，中国智能语音整体应用规模仍有一定的成长空间。在应用场景方面，智能家居、智能机器人、车载语音交互等产品均是未来较好的应用场景。

多重利好助力人工智能 多场景应用改变人类生活

随着大数据、云计算、互联网、物联网等信息技术快速发展，人工智能产业已经驶入发展快车道。在刚刚结束的两会中，“人工智能”第三次被写入政府工作报告，并将人工智能上升到国家战略地位，政策驱动、应用场景等多重因素驱动，人工智能产业迎来快速发展，AI+场景正在逐步落地。

记者了解到，目前，基于语音交互的垂直场景延伸，消费级和专业级市场规模不断扩大。其中，在消费级市场，智能语音主要应用于智能手机、智能穿戴、智能车载以及智能家居等领域。而在专业级市场中，智能语音则主要应用于教育、医疗等领域。

事实上，结合语音、图像、知识计算等技术，可以创造性催生出如专业人员分身、个人虚拟助手等应用模式，在医疗、教育、法律、翻译等民生领域落地实践，在增加公共服务供给方面具有巨大的潜力。

在智能手机领域，不少品牌在其产品中已经引入了AI技术。国金证券研报显示，目前，基于计算机视觉开发的人脸解锁、人像美颜功能在手机应用中渗透率分别高达 75％与 90％。此外，人工智能技术还被广泛应用在智能家居中。

尤为注意的是，尽管人工智能技术已经融入安防、医疗、政法、教育等垂直行业，但目前人工智能技术应用场景仍难以拓展。

究其原因，一方面，深度学习可以提高机器学习能力，但成功的机器学习需要大量数据的支持，并对数据精确标注有较高要求，多数领域现阶段仍缺少数据支撑。另一方面人工智能产业需要持续投入，虽然中国目前不乏拥有人工智能技术的企业，但能够大规模落地的企业还是比较少。

在王小川看来，人工智能将有三个发展方向。第一，个人赋能，让每个人变得更强；第二，产业互联网智能化即商业智能，在此情况下，企业运行中部分决策可以不依靠人，而是让机器进行更快、更有效率的工作；第三，IoT设备，让设备也可以对外界有一些简单的感知以及做一些简单的决策。

张梓钧认为，人工智能未来解决的将是诸如智能工厂、智能驾驶等复杂的系统问题。一个智能机器人将同时拥有视觉技术、语音交互、判断推理等多个能力，而多技术融合应用有望成为人工智能领域的下一个发展趋势。人工智能多领域场景落地将改变人们的生活方式。

文章来源: https://www.toutiao.com/group/6672631616990347784/