隨著智能手機(jī)的不斷推廣，越來(lái)越多的新輸入技術(shù)正在得到長(zhǎng)足的發(fā)展，而作為最重要的人機(jī)接口之一，語(yǔ)音識(shí)別技術(shù)在近年來(lái)發(fā)展迅速，相關(guān)應(yīng)用也日趨廣泛。評(píng)論認(rèn)為，在不遠(yuǎn)的未來(lái)，智能語(yǔ)音接口將有可能促使各種穿戴設(shè)備進(jìn)一步發(fā)展成為可攜帶的“服務(wù)提供者”和“生活伙伴”。在這樣的趨勢(shì)下，語(yǔ)音輸入法市場(chǎng)發(fā)展迅猛，僅國(guó)內(nèi)就有多家公司推出了具有中文語(yǔ)音輸入功能的產(chǎn)品，其中訊飛、搜狗、百度、微信四家公司的語(yǔ)音產(chǎn)品具有自主研發(fā)的識(shí)別技術(shù)，在互聯(lián)網(wǎng)業(yè)界產(chǎn)生的影響也較大。近期，北京郵電大學(xué)、重慶郵電大學(xué)針對(duì)上述幾家公司所開(kāi)發(fā)的語(yǔ)音輸入產(chǎn)品做出了評(píng)測(cè)報(bào)告，展開(kāi)了一場(chǎng)“四強(qiáng)爭(zhēng)霸賽”。兩所大學(xué)的測(cè)評(píng)參與人員均有200人之多，每名測(cè)試者所使用的測(cè)評(píng)文本總數(shù)也達(dá)200條，并以細(xì)致的分類覆蓋到語(yǔ)音輸入的各種應(yīng)用場(chǎng)景，使得這場(chǎng)比拼無(wú)論從專業(yè)性或是客觀程度上，都十分值得業(yè)界參考。

識(shí)別率之戰(zhàn)，后來(lái)者居上

近十年來(lái)，對(duì)字、句的識(shí)別準(zhǔn)確率一直都是語(yǔ)音輸入技術(shù)研發(fā)的主攻方向。這并沒(méi)有看上去那么簡(jiǎn)單，輸入法不僅要適應(yīng)不同個(gè)體迥異的聲音特征，更要克服外界環(huán)境中背景噪音所帶來(lái)的各種干擾。如果準(zhǔn)確率不足，使用者將被迫對(duì)同一輸入信息進(jìn)行重復(fù)識(shí)別，或者切換鍵盤(pán)輸入，大大影響語(yǔ)音輸入應(yīng)用的使用體驗(yàn)。有鑒于此，參與此次評(píng)測(cè)的兩所大學(xué)對(duì)輸入法準(zhǔn)確率的評(píng)估設(shè)計(jì)可謂細(xì)致入微：測(cè)試人的性別、地域，不同的環(huán)境干擾，均被考慮在內(nèi)。

數(shù)據(jù)顯示搜狗在語(yǔ)音輸入的各種場(chǎng)景下表現(xiàn)穩(wěn)定突出(數(shù)值越低越穩(wěn)定)

從測(cè)試的結(jié)果來(lái)看，4款被測(cè)的主流語(yǔ)音輸入法在字識(shí)別率上均能超過(guò)90%，而在整句準(zhǔn)確率方面則仍有14~24%不等的誤差。這其中，搜狗語(yǔ)音輸入法在各項(xiàng)測(cè)評(píng)中的表現(xiàn)優(yōu)異，各項(xiàng)測(cè)評(píng)中差錯(cuò)率均控制在14%~16%之間，比肩、甚至超過(guò)訊飛輸入法，而百度、微信語(yǔ)音輸入的性能較之前者則還存在著一定的差距。值得一提的是，語(yǔ)音識(shí)別界早就形成的一大共識(shí)是：只有識(shí)別技術(shù)的整句準(zhǔn)確率達(dá)到83%以上，產(chǎn)品才能真正具備有實(shí)際價(jià)值的可用性。

在四款被測(cè)產(chǎn)品中，訊飛以語(yǔ)音合成起家;百度從2010年其就開(kāi)始了語(yǔ)音識(shí)別研究;微信依托騰訊研究院，語(yǔ)音技術(shù)研發(fā)其始于2011年;而搜狗2012年初才開(kāi)始涉獵語(yǔ)音識(shí)別。因此，評(píng)測(cè)顯示完成自主研發(fā)時(shí)間最短的搜狗，其產(chǎn)品性能卻優(yōu)于同類，不能不說(shuō)是令人意外。

“深度學(xué)習(xí)”或成點(diǎn)金手

語(yǔ)音輸入不僅需要支持自身產(chǎn)品，還要做到為其他垂直領(lǐng)域(如地圖，搜索和購(gòu)物等)提供服務(wù)輸出，這就要求識(shí)別技術(shù)具有全面、穩(wěn)定的性能，除了能夠高效地處理長(zhǎng)句，也要準(zhǔn)確地識(shí)別單詞輸入。從測(cè)評(píng)結(jié)果可以看出，與在整句識(shí)別中的高光表現(xiàn)相對(duì)的是，訊飛輸入在短詞識(shí)別中性能明顯下降。就全面性而言，搜狗則是本次測(cè)評(píng)中唯一兼具穩(wěn)定性和高性能的產(chǎn)品。

測(cè)評(píng)參與人員的分析認(rèn)為，能夠取得這樣的成績(jī)，離不開(kāi)搜狗語(yǔ)音輸入所應(yīng)用的“深度神經(jīng)網(wǎng)絡(luò)”(或稱“深度學(xué)習(xí)”)技術(shù)。這一技術(shù)***由微軟引入語(yǔ)音識(shí)別領(lǐng)域，是最為前沿的識(shí)別技術(shù)之一。微軟技術(shù)報(bào)告顯示，深度神經(jīng)網(wǎng)絡(luò)能夠在各種不同的模式識(shí)別場(chǎng)景下提供***的準(zhǔn)確率，但也指出該技術(shù)在實(shí)際應(yīng)用中仍相當(dāng)具有挑戰(zhàn)性。從中不難看出：搜狗或許是國(guó)內(nèi)語(yǔ)音領(lǐng)域***個(gè)吃“深度學(xué)習(xí)”這只螃蟹的公司，而能夠在此基礎(chǔ)上以如此快的速度形成高度成熟的產(chǎn)品，搜狗技術(shù)人員的努力實(shí)在令人嘆為觀止?？梢哉f(shuō)，從開(kāi)拓創(chuàng)新和擁抱前沿的角度上講，搜狗雖然***起跑，但今天卻已經(jīng)沖刺到了領(lǐng)先的位置上。

方言識(shí)別成技術(shù)攻堅(jiān)重點(diǎn)

整句識(shí)別是語(yǔ)音輸入最為重要的應(yīng)用場(chǎng)景之一。而從本次評(píng)測(cè)來(lái)看盡管技術(shù)進(jìn)步迅速，但幾大語(yǔ)音輸入產(chǎn)品在整句識(shí)別方面仍然存在著從一成多到近三成不等的錯(cuò)誤率，仍有很大的改進(jìn)空間。不得不說(shuō)，訊飛作為語(yǔ)音識(shí)別領(lǐng)域的資深行家，技術(shù)積累從其產(chǎn)品在這一方面的性能上的優(yōu)勢(shì)中可見(jiàn)一斑——目前僅有搜狗語(yǔ)音輸入的性能以微弱地差距緊隨其后，其他產(chǎn)品則尚有較大的差距。

據(jù)參與測(cè)評(píng)的技術(shù)人員介紹，除性別差異外，整句識(shí)別誤差主要源自于測(cè)試人的地方口音差異(這一點(diǎn)也是此測(cè)評(píng)的一項(xiàng)關(guān)鍵設(shè)計(jì))。這一結(jié)果也確實(shí)反映出中文語(yǔ)音識(shí)別技術(shù)較之其他語(yǔ)言的一個(gè)特有難關(guān)。在此次測(cè)試中，僅訊飛和搜狗兩種語(yǔ)音輸入應(yīng)用在面對(duì)全國(guó)各種主要地方口音時(shí)均能表現(xiàn)出較好的性能(這其中，訊飛甚至已經(jīng)將“方言輸入”作為其主要特點(diǎn)之一)。盡管如此，當(dāng)測(cè)試人操較濃重方言時(shí)，被測(cè)輸入法均只能在背景噪音干擾較低的情況下方能令人滿意地工作。可以預(yù)期，如何進(jìn)一步提高識(shí)別方言的能力，將成為語(yǔ)音識(shí)別領(lǐng)域接下來(lái)的研發(fā)重點(diǎn)。

隨著技術(shù)的發(fā)展，互聯(lián)網(wǎng)行業(yè)如今已經(jīng)全面邁入無(wú)線時(shí)代，移動(dòng)端產(chǎn)品在產(chǎn)業(yè)中的重要性正在不斷提高，可謂是“得無(wú)線者得天下”，語(yǔ)音識(shí)別技術(shù)將更加成熟、應(yīng)用也會(huì)更加廣泛。***數(shù)據(jù)顯示，搜狗無(wú)線業(yè)務(wù)總體展現(xiàn)出蓬勃發(fā)展的勢(shì)頭，移動(dòng)用戶總數(shù)和移動(dòng)搜索份額均穩(wěn)居行業(yè)第二。而從搜狗在語(yǔ)音技術(shù)上令人意外的突破上看來(lái)，搜狗的確是敏銳而準(zhǔn)確地把握住了未來(lái)發(fā)展的主流趨勢(shì)，在移動(dòng)布局上已經(jīng)占得先機(jī)，而其在語(yǔ)音識(shí)別技術(shù)上的快速發(fā)展也將使其贏得更多。

北郵、重郵完整報(bào)告地址：http://openspeech.sogou.com/Sogou/php/intro/report_dowm.php