0
12月21日，首個具備多模態認知能力的同傳系統——搜狗同傳3.0在極客公園創新大會上使用。基于搜狗獨創的“語境引擎”，搜狗同傳3.0以“多模態”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AI同傳進入了多模態認知時代。
AI同傳一直是人工智能技術的重點領域。2016年，搜狗在“第三屆烏鎮互聯網大會”上發布行業第一個商用AI同傳產品——搜狗同傳1.0，在打造了這一全新品類的同時，用AI技術助力同聲傳譯行業，有效推動了跨語言的交流和表達。2018年發布的搜狗同傳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”，都是利用搜狗領先的語音識別和機器翻譯等技術，將聲音實時轉換為相應的中英文字幕。
但通過數千場機器同傳的實際應用，搜狗發現，業內主流的語音同傳系統無法穩定并且高質量的滿足多樣化的演講場合需求，存在演講內容中專業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同傳領域首創“語境引擎”，使得搜狗同傳在“能聽”的基礎上，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容，更能夠通過“理解”和“思考”，做出高質量的識別和翻譯，這再次引領了行業的技術進步。
“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，搜狗同傳可以實時準確“觀看”演講者的PPT內容，將PPT的圖像內容轉化為語言文字，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用。該技術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技術獲取的演講內容自動生成核心知識，并通過搜狗領先的知識圖譜-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語庫得到中英雙語對照，實時優化同傳識別和翻譯的效果。
基于搜狗語境引擎開發的搜狗同傳3.0 為演講者構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同傳領域的又一大技術創新。特別是經過多重“感官”的調用，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，更加智能。數據顯示，在“聽”“看”“思考”三位一體的作用下，搜狗多模態同傳系統針對PPT內容的識別準確率提升21.7%，翻譯正確率提升40.3％。未來，這一系統將會在大會演講、視頻翻譯、實時直播字幕等場景得到應用，為人們帶來準確流暢的同聲傳譯服務。
搜狗同傳一直代表著AI同傳領域頂級的水平。所以，每一次技術創新和產品更迭，都對行業有顯著的引領作用。
三年前，搜狗首次發布商業化AI同傳，借助于搜狗領先的語音識別和機器翻譯等技術，能夠更加準確快速的將聲音實時轉換為相應的中英文字幕，與人工同傳形成互補，徹底改變了各種行業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，也引領同傳行業進入了AI時代。
而這次上線的搜狗同傳3.0，運用搜狗獨創的語境引擎，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同傳行業由此也迎來了全新的“多模態認知”時代。
雷峰網版權文章，未經授權禁止轉載。詳情見轉載須知。
