0
12月21日，首個具備多模態(tài)認知能力的同傳系統(tǒng)——搜狗同傳3.0在極客公園創(chuàng)新大會上使用。基于搜狗獨創(chuàng)的“語境引擎”，搜狗同傳3.0以“多模態(tài)”和“自主學習“為核心，加入視覺和思維能力，讓機器同傳不僅會聽，還首次具備了會看、能理解會推理的能力，引領(lǐng)AI同傳進入了多模態(tài)認知時代。
AI同傳一直是人工智能技術(shù)的重點領(lǐng)域。2016年，搜狗在“第三屆烏鎮(zhèn)互聯(lián)網(wǎng)大會”上發(fā)布行業(yè)第一個商用AI同傳產(chǎn)品——搜狗同傳1.0，在打造了這一全新品類的同時，用AI技術(shù)助力同聲傳譯行業(yè)，有效推動了跨語言的交流和表達。2018年發(fā)布的搜狗同傳2.0，為用戶提供了更豐富的個性化定制能力，能夠基于用戶實時定制識別和翻譯。兩代搜狗同傳的核心能力都在于“聽”，都是利用搜狗領(lǐng)先的語音識別和機器翻譯等技術(shù)，將聲音實時轉(zhuǎn)換為相應(yīng)的中英文字幕。
但通過數(shù)千場機器同傳的實際應(yīng)用，搜狗發(fā)現(xiàn)，業(yè)內(nèi)主流的語音同傳系統(tǒng)無法穩(wěn)定并且高質(zhì)量的滿足多樣化的演講場合需求，存在演講內(nèi)容中專業(yè)詞匯的識別和翻譯效果不佳的情況，這在很大程度上影響了機器同傳的實用效果。
為了解決上述問題，搜狗在AI同傳領(lǐng)域首創(chuàng)“語境引擎”，使得搜狗同傳在“能聽”的基礎(chǔ)上，又解鎖了“會看”和“能理解會推理”兩項新技能，不僅能夠通過“觀看”自主學習演講者的報告內(nèi)容，更能夠通過“理解”和“思考”，做出高質(zhì)量的識別和翻譯，這再次引領(lǐng)了行業(yè)的技術(shù)進步。
“會看”，意味著同傳首次具備了視覺能力。基于搜狗OCR（光學字符識別）技術(shù)，搜狗同傳可以實時準確“觀看”演講者的PPT內(nèi)容，將PPT的圖像內(nèi)容轉(zhuǎn)化為語言文字，充分獲取到當前演講的個性化信息。
“能理解會推理”，則意味著同傳具備了與人“共情”的能力。這歸功于搜狗語境引擎的應(yīng)用。該技術(shù)的原理是基于搜狗知識圖譜和百科的知識推理能力，將通過OCR技術(shù)獲取的演講內(nèi)容自動生成核心知識，并通過搜狗領(lǐng)先的知識圖譜-搜狗知立方實時推理拓展，獲取充分的背景知識，同時基于搜狗百科的中英術(shù)語庫得到中英雙語對照，實時優(yōu)化同傳識別和翻譯的效果。
基于搜狗語境引擎開發(fā)的搜狗同傳3.0 為演講者構(gòu)建了個性化的認知語境，能夠跟隨演講者一起“思考”，無疑是AI同傳領(lǐng)域的又一大技術(shù)創(chuàng)新。特別是經(jīng)過多重“感官”的調(diào)用，搜狗同傳不僅可以做到翻譯更加快速和準確，而且會更加自然，更加專業(yè)，更加智能。數(shù)據(jù)顯示，在“聽”“看”“思考”三位一體的作用下，搜狗多模態(tài)同傳系統(tǒng)針對PPT內(nèi)容的識別準確率提升21.7%，翻譯正確率提升40.3％。未來，這一系統(tǒng)將會在大會演講、視頻翻譯、實時直播字幕等場景得到應(yīng)用，為人們帶來準確流暢的同聲傳譯服務(wù)。
搜狗同傳一直代表著AI同傳領(lǐng)域頂級的水平。所以，每一次技術(shù)創(chuàng)新和產(chǎn)品更迭，都對行業(yè)有顯著的引領(lǐng)作用。
三年前，搜狗首次發(fā)布商業(yè)化AI同傳，借助于搜狗領(lǐng)先的語音識別和機器翻譯等技術(shù)，能夠更加準確快速的將聲音實時轉(zhuǎn)換為相應(yīng)的中英文字幕，與人工同傳形成互補，徹底改變了各種行業(yè)大會只能依靠人工同傳，容錯率低的問題，打造全新品類的同時，也引領(lǐng)同傳行業(yè)進入了AI時代。
而這次上線的搜狗同傳3.0，運用搜狗獨創(chuàng)的語境引擎，除了“能聽”還能同時做到“邊看邊思考”，使得識別準確率和翻譯正確率均獲得大幅提升，AI同傳行業(yè)由此也迎來了全新的“多模態(tài)認知”時代。
