經(jīng)濟(jì)觀察網(wǎng) 記者 田進(jìn) 從訊飛輸入法誕生到日語(yǔ)音交互次數(shù)超過(guò)10億次，科大訊飛花了十年。

10月20日，在訊飛輸入法10周年沙龍活動(dòng)上，科大訊飛副總裁章繼東介紹了訊飛輸入法過(guò)去十年發(fā)生的技術(shù)變革。與此同時(shí)，章繼東發(fā)布了訊飛輸入法10.0版本。據(jù)了解，該版本搭載了“動(dòng)態(tài)自適應(yīng)編解碼語(yǔ)音識(shí)別引擎”，新增的唇形輔助輸入，能夠提高嘈雜環(huán)境及近距離多人說(shuō)話(huà)的識(shí)別效果。另一方面優(yōu)化了領(lǐng)域詞識(shí)別，可更精準(zhǔn)的匹配游戲、醫(yī)療、旅游、購(gòu)物等不同的場(chǎng)景詞匯。

對(duì)于下一個(gè)十年，科大訊飛方面表示，訊飛輸入法將發(fā)力5G和AIoT領(lǐng)域，未來(lái)的輸入法不僅僅是文字、表情、符號(hào)的輸入工具，而是提供應(yīng)用于各種設(shè)備終端、全鏈條交互的智能服務(wù)。

以下為經(jīng)濟(jì)觀察網(wǎng)整理的章繼東關(guān)于訊飛輸入法十年發(fā)展史的演講及媒體采訪精簡(jiǎn)文字：

1999年，訊飛由在校大學(xué)生創(chuàng)業(yè)成立，當(dāng)時(shí)中國(guó)的智能語(yǔ)音技術(shù)全部掌握在國(guó)外企業(yè)手上，如IBM、微軟等。1999年，李開(kāi)復(fù)老師創(chuàng)建了微軟亞洲研究院，當(dāng)時(shí)我們董事長(zhǎng)劉慶峰正在中科大讀博，李開(kāi)復(fù)老師邀請(qǐng)我們董事長(zhǎng)去那里工作，但我們董事長(zhǎng)拒絕了，他希望中國(guó)人的技術(shù)一定要掌握在中國(guó)人的手上。

科大訊飛作為中國(guó)第一個(gè)由在校大學(xué)生創(chuàng)業(yè)的上市公司，2010年10月22號(hào)，我們發(fā)布了訊飛開(kāi)放平臺(tái)，2017年開(kāi)放平臺(tái)成為中國(guó)首批4家國(guó)家級(jí)人工智能創(chuàng)新平臺(tái)，現(xiàn)在已有230多萬(wàn)開(kāi)發(fā)者在我們整體生態(tài)里。2010年10月28號(hào)，我們正式發(fā)布了訊飛輸入法。

當(dāng)時(shí)訊飛輸入法作為我們開(kāi)放平臺(tái)的一個(gè)智能語(yǔ)音示范應(yīng)用，確實(shí)是一個(gè)比較小的產(chǎn)品，甚至于在互聯(lián)網(wǎng)上都沒(méi)有形成一定的傳播。

這時(shí)，核心技術(shù)怎樣促進(jìn)產(chǎn)業(yè)的發(fā)展？我覺(jué)得有三點(diǎn)特別重要。第一是理解深度使用網(wǎng)絡(luò)為主的算法；第二是大數(shù)據(jù)；第三是漣漪效應(yīng)，需要不斷的迭代和優(yōu)化。通過(guò)這三點(diǎn)，產(chǎn)品才越來(lái)越好。我們輸入法在早期準(zhǔn)確率是比較弱的，但現(xiàn)在準(zhǔn)確率能達(dá)到百分之98%，甚至在很好的情況下能達(dá)到99%，這都是來(lái)自于科技的發(fā)展。

2010年10月28號(hào)發(fā)布訊飛輸入法后，這成為第一個(gè)中文語(yǔ)音輸入法。2011年7月4日，谷歌輸入法發(fā)布，然后QQ輸入法、搜狗輸入法才接連誕生。

很多的技術(shù)是看不見(jiàn)的，但我們相信技術(shù)會(huì)改變世界。我們每一次的技術(shù)革新都會(huì)放在我們的產(chǎn)品上。比如說(shuō)我們最早在2012年，我們就把全球首個(gè)中文云識(shí)別的DNA，即當(dāng)時(shí)講的深度神經(jīng)網(wǎng)絡(luò)，上線到我們的產(chǎn)品中，使得語(yǔ)音識(shí)別率一下子提升80%。

2010年，我們就曾將GMM-hmm-隱馬爾可夫模型應(yīng)用到語(yǔ)音識(shí)別系統(tǒng)中：運(yùn)用WFST解碼器，提高復(fù)雜的語(yǔ)言模型，識(shí)別率達(dá)到70%；2011年，運(yùn)用BN（bottom neck）識(shí)別模型，通過(guò)神經(jīng)網(wǎng)絡(luò)提取音素特征，提升識(shí)別準(zhǔn)確率；2012年，全球首個(gè)中文語(yǔ)音識(shí)別DNN系統(tǒng)上線，識(shí)別率相對(duì)提升35%，準(zhǔn)確率提升至80%；2013年，運(yùn)用SDT-DNN和基于DNN的VAD模型、深度學(xué)習(xí)離線版本，語(yǔ)音識(shí)別準(zhǔn)確率提升至85%，實(shí)現(xiàn)離線語(yǔ)音識(shí)別；2014年，運(yùn)用UB-LSTM，語(yǔ)音識(shí)別率提高至95%。

2015年，我們運(yùn)用無(wú)監(jiān)督的speak code技術(shù) ，實(shí)現(xiàn)了聲學(xué)個(gè)性化識(shí)別。因?yàn)槌苏Z(yǔ)言模型之外，還有聲學(xué)模型，即每個(gè)人的聲音特征不一樣，可以基于我們每個(gè)人的聲音個(gè)性化來(lái)進(jìn)行分辨的技術(shù)，實(shí)現(xiàn)實(shí)際效率的提升。2016年，將DFCNN應(yīng)用于語(yǔ)音識(shí)別，語(yǔ)音識(shí)別準(zhǔn)確率達(dá)97%，離線、噪聲、遠(yuǎn)場(chǎng)識(shí)別率顯著提升。

2017年，我們運(yùn)用Cache based Fast Adaptation技術(shù)，創(chuàng)新融合個(gè)性化語(yǔ)音和語(yǔ)音模型，實(shí)現(xiàn)智適應(yīng)語(yǔ)音識(shí)別；2018年，運(yùn)用HybridCNN算法，通過(guò)結(jié)構(gòu)優(yōu)化大幅提升并發(fā)路數(shù)，語(yǔ)音識(shí)別準(zhǔn)確率突破98%；2019年，基于注意力機(jī)制的Encode-Deconde模型應(yīng)用，實(shí)現(xiàn)中英文免切換語(yǔ)音識(shí)別；2020年，動(dòng)態(tài)自適應(yīng)編解碼語(yǔ)音識(shí)別引擎 ，多模態(tài)輸入和領(lǐng)域個(gè)性化識(shí)別。

在過(guò)往10年當(dāng)中，我們的產(chǎn)品得到了很多用戶(hù)的認(rèn)可，比如說(shuō)我們的輸入法日語(yǔ)音交互次數(shù)已經(jīng)達(dá)到10億次，累計(jì)服務(wù)設(shè)備數(shù)超5億，語(yǔ)音用戶(hù)占比超70%。2020年2月，經(jīng)過(guò)10天的緊急技術(shù)攻關(guān)，訊飛輸入法上線武漢話(huà)轉(zhuǎn)普通話(huà)功能，通過(guò)訊飛輸入法上線開(kāi)放給廣大用戶(hù)，助力醫(yī)患溝通，在短短的的時(shí)間里，累計(jì)服務(wù)人數(shù)達(dá)3萬(wàn)。