就在一周前搜狗宣布赴美上市计划的那天，搜狗公司CEO王小川在员工内部信中写了这样一句话：“已经没有人会怀疑搜狗的生存问题了，唯一的悬念是搜狗是否能在搜索领域实现颠覆，是否能在人工智能领域引领重大的创新。”一时间，王小川的“悬念”成为看点——8月8日，搜狗正式迎来了第一款语音技术产品“搜狗听写”。

语音实时转文字背后有深度学习技术

搜狗听写的定位是“文字工作者的速记工具”。针对写文章、采访录音、会议记录、笔记整理 、日常记事等场景，以实现高效记录和信息输入。

搜狗听写最亮眼的功能在于“听写”和“转写”两种模式。“听写”模式下，录音的同时可以实时识别结果；而“转写”模式下则可以离线录音，录音完成后一次性获取文字结果。

除此之外还有诸如支持手机边听边改、无线标重点（蓝牙打点）、多客户端同步、信息分享、摘要、断点续录等人性化功能，另外，针对图书馆、咖啡厅等安静场所，搜狗听写提供耳语识别技术——人说话音量低至30分贝时，依然可以准确识别。

被牛露云称作“大杀器”的一个功能，是搜狗听写与搜狗输入法的个人词库已经打通，可以视为媒体撰稿人之间文字互通的功能。

关于下载，搜狗听写除了支持Android、ios版本之外，还开发了Windows版，Windows版特别针对会议场景，观众可以直接看到会议演讲者的实时字幕，字幕可能是直接文字的转写结果，也有可能是双语、多语对照结果，观众甚至可以直接扫码获取当天的录音和文本结果。

这样一款语音识别产品，实际上是基于深度学习技术，以提升复杂场景识别效果。

说到深度学习，离不开三要素：有没有大数据，有没有好的深度学习算法，以及能不能让深度学习算法在深度学习平台上高效运转。

搜狗语音交互中心技术总监陈伟介绍，“搜狗输入法每天语音识别的PV是2.6亿次，产生的语料规模是22万小时。”关于算法，搜狗早期较多使用深度神经网络，随后尝试了CN算法、LSTM的算法，现在转为CN+LSTM+DN的端到端的算法，可以更高效，准确率更高。

有了数据+算法，接下来就是运算，如何高效的给出模型以快速部署到线上，关键在于搜狗的深度学习平台。“我们可以在自有的深度学习平台上调动上百块算卡，快速的给出模型。”陈伟说。

实际上，目前市场上已有一些同类型的产品，例如科大讯发早期推出的讯飞听见等，相比之下，搜狗是否存在优势呢？搜狗语音交互中心负责人王砚峰表示：

第一，讯飞对应的产品，如讯飞听见、讯飞录音宝等，是不能支持长时间录音、并且免费转写的。而搜狗是首次做了长时录音设置，并且支持免费转写。

第二，搜狗的产品是面向垂直场景，包括记者采访的场景、作家写作的场景等等。这些功能虽小，但它体现在具体场景下，怎么绞尽脑汁的想尽办法，帮朋友解决问题。

第三，搜狗听写支持手机端和windows，还有语音实时转文字、边听边改、标重点、快速查找、多端同步、不限时长录音等功能。

此外，依托搜狗日均超过2.6亿次的语音请求，提供海量的真实语料数据，可以使得机器不断学习，不断提升识别准确率，可应用的场景也越来越广泛。

但对于搜狗转写免费会持续多长时间这个问题，王砚峰表示，目前肯定是免费的，至于之后会不会收费，并不完全确定。至少按照现有的产品形态，肯定是在相当长的时间内不考虑使用这个产品来赚钱。作为一家互联网公司，通过技术来收取技术服务费不是搜狗的商业逻辑。至少到现在为止，搜狗还不想通过产品收费的方式来进行商业变现。

搜狗语音交互中心负责人王砚峰