18日晚，老羅的單口相聲給了我們不少驚喜，高配置、新系統(tǒng)、人性化功能、嚴(yán)肅導(dǎo)航語音包，然而令人非常意外的是，錘子發(fā)布會竟然還帶火了語音輸入。作為錘子的合作伙伴，訊飛沒錯(cuò)過錘子的每一場發(fā)布會，老羅在現(xiàn)場演示的語音輸入無論是識別率還是識別速度都令人十分驚嘆，但實(shí)際上，語音識別技術(shù)已經(jīng)發(fā)展到了一個(gè)極高的水平，如老羅所說，識別準(zhǔn)確率已經(jīng)達(dá)到了97%，經(jīng)過識別的文字基本不用修改便可以直接發(fā)送。

　　當(dāng)然在語音識別的行業(yè)中不僅有訊飛一家，前不久，搜狗發(fā)布了語音交互引擎“知音”，有了它，可讓人機(jī)的交互更加自然，不僅能聽會說，甚至可以理解和思考，進(jìn)一步提升語音輸入的準(zhǔn)確率與速度。根據(jù)搜狗官方數(shù)據(jù)顯示，其語音識別率同樣高達(dá)97%。兩家數(shù)據(jù)幾乎一樣，那么到底誰在語音識別技術(shù)上更勝一籌呢?

　　在按下“開始”按鍵后，搜狗語音會振動一下提示用戶已開始，訊飛語音則直接開始錄制，但在按下“結(jié)束”按鍵后，兩款應(yīng)用均會發(fā)出振動提示用戶錄制已完畢，馬上進(jìn)入識別環(huán)節(jié)。

　　左：搜狗語音識別 右：訊飛語音識別

左：搜狗語音識別 右：訊飛語音識別

　　在測試的過程當(dāng)中，兩款應(yīng)用在識別過程上有很大區(qū)別，首先搜狗語音會隨著語音不斷顯示文字，有一種正在打字的感覺，而訊飛語音則有明顯的停頓，待聲音停止后文字才會一起上屏，有種復(fù)制粘貼的感覺。

　　其次，搜狗語音在錄制結(jié)束后，還可以看到屏幕中的字在自動更改，這是根據(jù)語義在選擇正確的字，減少后續(xù)修改步驟。訊飛語音則不展示文字修改過程，經(jīng)識別后文字直接上屏。

　　最后，在對比了數(shù)次后發(fā)現(xiàn)，搜狗語音會根據(jù)語義以及語氣停頓添加標(biāo)點(diǎn)符號，訊飛語音則更多為根據(jù)語氣停頓來添加標(biāo)點(diǎn)。

　　測試結(jié)果顯示，兩款語音識別系統(tǒng)各有識別錯(cuò)誤的地方，但并不影響閱讀，也不影響上下文意思，正確率都極高。但兩家總體在識別率、準(zhǔn)確率方面沒有太大的差距，只是操作方式略有區(qū)別而已，這也說明了兩家在語音識別技術(shù)方面都處于一個(gè)較高的水平，基本上可以代表當(dāng)前國內(nèi)語音識別技術(shù)的最高水準(zhǔn)。

　　訊飛已專注語音識別技術(shù)多年，但實(shí)際上，訊飛更多面向企業(yè)服務(wù)，近幾年才將注意力轉(zhuǎn)向普通用戶，比如去年“訊飛聽見”驚艷亮相，發(fā)布會現(xiàn)場識別率高達(dá)95%。而搜狗旗下則擁有包括輸入法、瀏覽器、地圖、搜索引擎等等產(chǎn)品，每天擁有超過1.9億次的語音請求，目前國內(nèi)語音輸入量排名第一，坐擁海量語料數(shù)據(jù)的搜狗語音成長速度飛快，這是它能夠?qū)崿F(xiàn)“理解上下文意思、自動修改、自動添加標(biāo)點(diǎn)”的原因。

　　僅僅憑借這兩段語音輸入測試難以區(qū)分兩者的優(yōu)劣，眾所周知，語音輸入對場景的要求非常高，環(huán)境、口音、網(wǎng)絡(luò)都有可能影響識別的準(zhǔn)確率和速度，因此語音輸入在日常生活中的使用頻率并不高。

　　當(dāng)然，用戶對效率的追求是在不斷提升的，老羅也坦言語音輸入正是為了提高手機(jī)輸入效率而存在，錘子發(fā)布會帶火了語音，不少用戶也開始嘗試體驗(yàn)語音輸入的便捷和快感。未來，語音輸入定會成為主要輸入方式之一，語音識別也會在更多領(lǐng)域普及開來。