讯飞4.0离线翻译（首发讯飞神来之笔）

【新智元导读】想象一下，如果你正在参加一个重要会议，突然信号不好，没4G，也连不上WIFI，录音无法上传到云端转写，错过最佳出稿时间，损失将十分惨重！要是有一款产品可支持离线转录，还能区分说话人，把「众说纷纭」的会议迅速整理成一份合格的会议纪要，就再好不过了。

这两天，马斯克最新发布的脑机接口疯狂刷屏，预示着未来信息的提取和存储方式将产生质的变化。

脑机互联、心灵感应、数字永生，这些激动人心的词汇敲打着人们的神经。

任何一个时代，革命性的变革都是为了让人们更好地获取和处理信息。

从信息的生产，到数字化的提炼和增值，再到从海量的数据，分析洞察人们的需求，形成知识图谱，这个过程就是信息的再加工。

人脑无疑是最好的信息处理器，马斯克甚至表示，有朝一日，可以把大脑中的信息上传到云端，进行下载和存储。

虽然现在我们还不能实现脑机互联，但是高效智能的信息提取能让我们更快地获取知识，转写就是一种重要的方式。

AI包办你的KPI：开会一小时转写五分钟

马斯克脑机接口发布会一结束，很多观众在震惊钦佩之余，也产生了强烈的质疑。

难道革命性的发布，靠的只是一张张精美的PPT吗？

AI大规模落地时代，AI不再仅仅是PPT的产物，而需要切实解决人们的刚需。

当前，AI 办公，AI 会议是大势所趋，尤其对于记者、律师等特定使用人群，用智能录音产品来协助记录就显得尤为重要。AI简直就是KPI的保障啊！

科大讯飞正是看准了这一痛点。多年来，讯飞坚定不移的将AI转写技术通过消费品的方式传递给C端用户，赋能更高效的办公。

就在今年5月，讯飞在旗舰系列之外还发布了两款入门级的硬件转写产品，小巧的智能录音笔A1和会议宝S8。正是这些「小而美」的C端产品兼容了实用性和技术性，真正将硬核的AI转写技术带到了千家万户。

讯飞发布2020年上半年财报显示，整体表现不降反增，同时C端营收占比大幅提升，达到16.35亿元，占比高达37.59%。

胡郁表示，「正是因为秉承着助力用户高效办公、智慧生活的理念，我们的消费者业务在过去的三年时间保持着超30%的增速，在2020年逆势增长、在618当中也取得22项单品冠军。」

无惧断网！这个离线转写功能贴心了

9月1日的新品发布会上，更是发布了最新的两款录音笔旗舰版SR702、尊享版SR901。

这两款录音笔有什么过人之处呢？

想象一下，如果你正在参加一个重要的会议，突然信号不好了，没有4G，也没有WIFI上不去网，录音无法上传到云端进行转写处理，错过了最佳出稿时间，损失将十分惨重！

同类的智能转写产品，大多都需要网络连接畅通，而科大讯飞充分考虑了录音笔应用的各种极端场景，SR702、SR901智能录音笔在业内首次推出了离线转写功能。

所谓离线转写，就是在不联网的条件下，实现语音到文本的转换，所有数据存取和处理都发生在本地的录音笔中。

这两款新的录音笔都内置了离线转写的功能，在断网时也能快速响应作业，优化后的本地模型，转写识别率也完全能够满足需求。

智能录音笔SR702

另一方面，很多机密的会议内容如果上传到别人的服务器，会有信息泄露的风险，这种离线的处理方式，不仅能提高效率，还能保障数据的安全。

离线转写不同于离线听写，技术实现上有很多难点，离线转写通常为长语音，需要长时续航和持续运算能力，对CPU功耗及散热情况提出了极高的要求。

硬件方面，讯飞录音笔采用CPU主频自适应调整、线程数动态调度等方式来缓解设备发热。

软件方面采用和云端几乎相同的算法，转写准确率比云端相对损失了10%左右（绝对1个百分点），这点损失对现实应用来说无伤大雅，而且未来在高端机型有可能做到与云端相当，甚至超过云端的效果。

转写准确的前提是拾音准确，如果能在转写前将环境噪声处理干净，就能大大提高准确率。

各家的录音笔，硬件本身的性能几乎已经没有差异，但是软件层面，降噪算法一直在不断精进。

深度神经网络更提取更深层次的语音特征，但传统的降噪算法速度更快。

SR702及SR901将讯飞自主研发的空间-时间感知多通道神经网络与传统信号处理深度结合的降噪算法（SSA-IME）相结合，能够更好地处理前端的噪声，即使多个人同时交谈，也能精确区分各个音频，捕捉到目标说话人。

该算法不仅有效降低了环境干扰噪声，而且可以有效消除干扰说话人的声音，从而大幅降低语音识别的处理难度。在安静场景下3-10米拾音转写准确率相对提升30%，超远距离（20-50m）演讲场景也能达到90%以上，这也充分体现了讯飞在远距离降噪转写技术的领先性。

处理好了噪声，语音识别的工作就水到渠成了。

新款录音笔基于端到端的全新语音识别框架，同时支持中英以及普通话-部分方言混合识别，无论说话人使用哪种语言，都能一次完成识别工作。

我们使用录音笔，最终目的是为了将杂乱的会议信息加工好，呈现在文字上。

录音笔中的信息有两种存在方式，首先是语音，其次是文本。

对语音的处理，SR702及SR901可以通过声纹识别技术，对不同说话人语音特色的识别，还可以实现自动区分标注说话人。一场「众说纷纭」的商务会谈自动转成一篇条分缕析，层次清楚的会议纪要。

分离与ASR联合建模的说话人分离方案，让用户能够快速检索到目标说话人，提升语音的编辑效率。

当然，在完成语音转写后，文本依旧会有很多噪音，比如标点不准确，句子过长，段落重复过多等，SR702及SR901可以通过智能编辑功能中的标点断句、数字规整、语气词过滤、口语规整、文本分段、文本摘要等文本编辑能力，一键修正常见错误，输出最有用的信息。

和前代产品相比，最别具一格的一点，是图像视频识别等方面的创新。

讯飞智能录音笔SR901为后置三摄，包括1300万高像素主摄像头、800万像素120°超大广角摄像头、800万像素长焦摄像头；SR702为800万像素数字变焦后置单摄。

两款产品都配备OCR功能，实现图片记录实时提取文字，瞬间将PPT/Excel/图片等形式的内容转成文字。更适合听讲座、报告等图文形式结合的记录。

录制视频还能实现自动生成可编辑的字幕。

极致的技术是提升用户体验的前提，但深入理解用户的使用场景，才是一个产品成功的根本。

左耳进右耳出文字？不怕跨洋电话听不懂

除了技术的创新，还有场景的创新。

随着讯飞对C端产品的不断探索，AI应用场景愈加深入、细分，新品涵盖了各价位段、针对不同圈层人群提供了更加丰富的选择。

此次推出的新品当中，另一款产品SR101售价599，相比于两款旗舰产品更适用于学生党，在同等价位当中实用性的表现也很突出。

C端产品，往往是同样的食材，烧出不同的口味。如果说技术是食材本身，那么如何烧菜，也要靠丰富的想象力和对「食客」的深刻体察。

据Canalys最新数据显示，2020年第一季度，TWS耳机占38%的市场份额，已经成为目前最大的智能音频设备品类。预计2020年TWS出货量有望超过2亿台。讯飞将AI技术附加于人人必备的终端耳机之上，是C端丰富想象力的更极致延展。

讯飞此次推出的消费类产品iFLYBUDS耳机，主打「通话实时转文字」、「智能拨号识别」和「通话译文」三大核心AI功能。

有时候打着电话，总是忍不住到处找笔记笔记，讯飞发布会现场演示了「老婆让王伟去买菜」。

想象一下，开车的时候突然接到领导、客户电话，根本没法腾出手记录重要信息，很抓狂怎么办。

iFLYBUDS耳机，走在路上都可以实现实时转录文字，轻松满足商务人士在自驾、通勤、会议等多场景需求，实现解放双手、高效记录。iFLYBUDS同时支持常规电话和网络电话（微信语音、腾讯会议、钉钉语音、Skype、Zoom等）。

还有一个逆天功能就是智能拨号识别。

轻拍两下左边的耳机，讯飞APP上就会出现「想打电话给谁？」通讯录里联系人繁多，经常会有重名或是读音相似的。讯飞智能系统通过词语列举、归属地区分等方式帮助快速找到联系人并拨打电话。

「打电话给王超，科大讯飞的」，「秋萍，最近拨打的」。

和外国客户打电话，面对生僻的专业词汇听不懂，沟通进行不下去，十分尴尬，针对这一点，iFLYBUDS专为商务人士实现通话译文对照。

全英文通话时，可将通话内容实时转译汉字，辅助英语沟通，是你耳朵上的助理翻译官。

每一个创新都是切中要害的「痛点创新」。一直以来，讯飞深耕C端，读懂消费者，用各种创新场景深刻地解决刚需。

「技术顶天、产业立地」。正是因为理解了用户，又坚持源头技术自主创新，科大讯飞才真正走上AI智能应用的最前列。

胡郁表示，「在AI转写赛道上，我们希望不仅为文字工作者的记录场景赋能，更是成为每个人的知识管理工具。在忙碌之中，依然可以轻松地备忘信息、捕捉灵感、记录观点。」

在产品发布后的人工智能论坛上，胡郁总提到，「人工智能是第四次工业革命的明珠，也是最后一次改变世界的发明。我们坚定地相信AI能为我们服务。这是我们的大方向，但具体怎么走是我们一步一步摸索出来的。」

100多年前，汽车刚刚代替马车，彼时，人们还惊诧于眼前的巨变，担心新技术的隐忧。

100年后，AI代替人工，席卷各个可能的生活工作场景，带来前所未有的高效和便捷。

必须要坚信有朝一日，新的发明终究会占据我们的生活。有了智能转写，让我们一起开启，高效记录新时代。

,