9月1日消息,，剛剛,，科大訊飛連發(fā)三款訊飛智能錄音筆新品,，型號分別為SR901,、SR702和SR101,，以及首款智能TWS耳機iFLYBUDS,。其中,，SR901和SR702首次搭載離線轉(zhuǎn)寫功能，支持OCR文字提取,，進一步延續(xù)了SR系列在智能轉(zhuǎn)寫,、AI高清降噪和智能編輯等方面的優(yōu)勢,，SR101是訊飛首款500元級錄音筆，相比同價位產(chǎn)品也有著硬件優(yōu)勢和軟件功能上的突破,。

訊飛還面向商務人士的溝通和記錄需求,，推出首款立體聲無線耳機（TWS）iFLYBUDS，擁有通話實時轉(zhuǎn)寫,、智能撥號識別,、通話譯文三大核心AI功能。

科大訊飛副總裁兼消費者事業(yè)群副總裁李傳剛

自2019年5月訊飛首款帶屏錄音筆——訊飛智能錄音筆SR系列推出后,，國內(nèi)錄音筆市場隨之掀起了以AI技術(shù)為依托的品類創(chuàng)新浪潮,。

作為今年科大訊飛的首場線下新品發(fā)布會，此次訊飛不僅補全了智能錄音筆SR系列從入門到旗艦,、再到尊享版市場的拼圖,，同時其首款TWS耳機的發(fā)布，也意味著訊飛智能語音和轉(zhuǎn)寫技術(shù)業(yè)務邊界的突破,。

“秉承著高效辦公,、智慧生活的理念，訊飛消費者業(yè)務已實現(xiàn)連續(xù)三年大于30%的增速,，甚至今年逆勢增長,，在618中獲得22項單品冠軍?！笨拼笥嶏w聯(lián)合創(chuàng)始人&執(zhí)行總裁胡郁在現(xiàn)場談到,。

在他看來，訊飛在AI轉(zhuǎn)寫賽道上,，不僅希望能為文字工作者的記錄場景賦能,，更希望成為每個人的知識管理工具。讓每一位用戶在忙碌之中,，依然可以輕松地備忘信息,、捕捉靈感、記錄觀點,?！白屛覀円煌_啟高效記錄新時代！”胡郁信心滿滿地說到,。

那么,，這次訊飛將會給我們帶來它在智能轉(zhuǎn)寫賽道上的哪些技術(shù)和場景應用創(chuàng)新？這些創(chuàng)新背后又展露了訊飛哪些行業(yè)創(chuàng)新的戰(zhàn)略和思考,？來看現(xiàn)場發(fā)布干貨給我們的答案,。

科大訊飛聯(lián)合創(chuàng)始人&執(zhí)行總裁胡郁

一、讓錄音筆長眼睛：首推離線轉(zhuǎn)寫與OCR識別功能

與上一代產(chǎn)品相比,，訊飛SR901和SR702智能錄音筆的軟硬件性能在轉(zhuǎn)寫,、降噪,、智能編輯等方面都有了明顯升級，同時還新增了不少小而美的AI新功能,，如OCR能力,、圖片拍攝識別文字、拍攝視頻實現(xiàn)字幕等,。

1,、智能轉(zhuǎn)寫：支持無網(wǎng)轉(zhuǎn)寫及12種方言

轉(zhuǎn)寫功能的創(chuàng)新升級可謂是訊飛此次發(fā)布的重頭戲。

為了幫助用戶進一步解決在無網(wǎng)絡環(huán)境下轉(zhuǎn)寫,，以及隱私內(nèi)容轉(zhuǎn)寫的需求,，SR901和SR702錄音筆升級了語音轉(zhuǎn)文字引擎，行業(yè)首發(fā)離線轉(zhuǎn)寫功能,。讓用戶無需在4G/Wi-Fi網(wǎng)絡下就能實現(xiàn)語音實時轉(zhuǎn)寫并立即保存轉(zhuǎn)寫文字,。

針對多語言、多語種的無縫切換識別和轉(zhuǎn)寫,，訊飛推出新一代識別（轉(zhuǎn)寫）引擎——端到端新引擎,，優(yōu)化迭代了端到端語音識別框架。除了純中文與純英文模式識別外,，端到端新引擎還支持中英混合識別場景,，以及普通話-部分方言識別。

三款錄音筆在方言和語種轉(zhuǎn)寫,，以及專業(yè)領(lǐng)域轉(zhuǎn)寫方面也進行了升級,，支持粵語、河南話等12種方言轉(zhuǎn)寫,；藏語,、維吾爾語2種少數(shù)民族語言轉(zhuǎn)寫；中,、英、日,、韓等8種語言轉(zhuǎn)寫,；財經(jīng)貿(mào)易、醫(yī)療,、IT科技等7大專業(yè)領(lǐng)域的轉(zhuǎn)寫,。

2、拾音降噪：最遠拾音15米,，可實現(xiàn)超遠距離錄音與轉(zhuǎn)寫

硬件方面,，SR901采用2顆哈曼MEMS定向麥克風+10顆全向麥克風，SR702采用2顆定向麥克風和6顆矩陣麥克風,，SR10采用1顆定向麥克風+2顆矩陣麥克風,，且支持AI拾音降噪,。

據(jù)稱，訊飛錄音筆最遠拾音距離為15米,，并且還能根據(jù)不同場景自動匹配場景算法,。同時，它還采用非人聲過濾,，能夠自動跳過沒有人聲的冗余錄音,，節(jié)約用戶整理錄音的時間。

實際上,，訊飛錄音筆還采用了前端降噪技術(shù),，基于自研神經(jīng)網(wǎng)絡與傳統(tǒng)信號處理深度結(jié)合的降噪算法（SSA-IME），不僅能有效降低環(huán)境干擾噪聲,，還可消除干擾說話人的聲音,，從而大幅降低語音識別的處理難度。

據(jù)了解,，該技術(shù)使訊飛錄音筆在無喇叭的情況下,，3-10米遠距離轉(zhuǎn)寫效果提升30%；有喇叭的情況下,，超遠距離（20-50m）演講場景轉(zhuǎn)寫效果為90%以上,，這也體現(xiàn)了訊飛在遠距離降噪轉(zhuǎn)寫技術(shù)上的領(lǐng)先性。

3,、智能編輯：上線多人會議說話人分離

針對多人交談會議場景,，訊飛錄音筆上線了其與ASR聯(lián)合建模的說話人分離方案。

此外,，三款訊飛錄音筆升級了6項智能編輯功能：

智能語義分段：根據(jù)語義上下文進行分段,，提升用戶針對轉(zhuǎn)寫文檔的瀏覽體驗；

自動區(qū)分講話人：根據(jù)錄音及轉(zhuǎn)寫結(jié)果自動區(qū)分標注講話人,，針對多人討論場景,，用戶還可快速檢索目標說話人數(shù)據(jù)；

口語規(guī)整：可過濾語氣詞,、重復詞,、無意義詞，優(yōu)化轉(zhuǎn)寫內(nèi)容,；

智能摘要：對錄音內(nèi)容進行全面的語義理解與分析,，自動抽取關(guān)鍵信息，形成摘要結(jié)果,；

個人詞庫：用戶可提前輸入專屬詞匯,，實現(xiàn)轉(zhuǎn)寫時的智能編輯優(yōu)化；

文件分享：支持文件分享功能，用戶可自定義多種導出格式或模板,，同時在文件編輯結(jié)束后,，可選擇文件分享至郵件。

4,、絕招：看圖識字,，還能給視頻配字幕

除了聲音記錄和轉(zhuǎn)寫之外，訊飛在三款新錄音筆上也添加了圖像方面的創(chuàng)新應用,，如支持OCR文字識別,、圖片拍攝識別文字、拍攝視頻實現(xiàn)字幕等,。

硬件方面,，訊飛智能錄音筆SR901為后置三攝，包括1300萬高像素主攝像頭,、800萬像素120°超大廣角攝像頭,、800萬像素長焦攝像頭；SR702為800萬像素數(shù)字變焦后置單攝,。

功能方面,，SR901和SR702錄音筆能夠提取并實時記錄圖片上的文字內(nèi)容，還可錄制視頻,，進行實時收音,。

有意思的是，訊飛錄音筆拍攝完成并導出視頻文件時,，支持自動生成字幕和后期編輯字幕,，為錄音筆增添了新的圖像/視頻交互體驗。

二,、解密：訊飛如何突破離線轉(zhuǎn)寫技術(shù)難點,？

在這次訊飛智能錄音筆SR系列的小爆發(fā)背后，是其長達多年的技術(shù)積累和創(chuàng)新,。

據(jù)智東西了解,，此次發(fā)布中最大的技術(shù)亮點在于離線轉(zhuǎn)寫功能。不過,，由于離線轉(zhuǎn)寫對硬件和算法方面都有著較高的要求,，因此實現(xiàn)這項技術(shù)并非易事。

硬件方面,，離線轉(zhuǎn)寫與離線聽寫有著很大差異。

離線聽寫多以短語音為主,，數(shù)據(jù)是偶爾性調(diào)用,，對瞬間運算能力有較大要求；離線轉(zhuǎn)寫多以長語音為主,，數(shù)據(jù)調(diào)用一般持續(xù)1小時或數(shù)小時以上,，對硬件的長時間算力,、CPU功耗和散熱情況等要求更高。

軟件方面,，離線轉(zhuǎn)寫需適配訊飛的離線轉(zhuǎn)寫算法,，實現(xiàn)與云端相當?shù)膶崟r性和準確性。同時,，還要確保整機在長時間的轉(zhuǎn)寫過程中,，溫度始終維持在合適范圍內(nèi)，這也是離線轉(zhuǎn)寫算法的關(guān)鍵難點,。

針對這些難點,，訊飛的轉(zhuǎn)寫技術(shù)主要從兩個方面進行了優(yōu)化和創(chuàng)新。

一方面,，訊飛錄音筆采用CPU主頻自適應調(diào)整,、線程數(shù)動態(tài)調(diào)度等方式來緩解設備發(fā)熱情況，以確保設備處于離線轉(zhuǎn)寫運行時工作頻率始終保持穩(wěn)定,。這樣不僅能保障離線轉(zhuǎn)寫的實時性和準確性,，還能保證整機溫度的適宜。

另一方面,，訊飛離線轉(zhuǎn)寫采用和在線轉(zhuǎn)寫幾乎相同的核心算法,，針對錄音筆硬件的特性與指標進行裁剪與適配，包括模型蒸餾,、定點化運算,、多幀并行等技術(shù)，以實現(xiàn)流暢運行的目的,。

基于這些突破,，訊飛離線轉(zhuǎn)寫功能在此次新推出的智能錄音筆上實現(xiàn)了首次落地。據(jù)了解,，與云端轉(zhuǎn)寫相比,，訊飛錄音筆離線轉(zhuǎn)寫所損失的準確率低于相對10%。

三,、訊飛首款TWS耳機iFLYBUDS的三大核心亮點

訊飛的創(chuàng)新發(fā)布不僅僅是智能錄音筆,，還有智能TWS耳機iFLYBUDS。

作為訊飛的首款智能TWS耳機,，iFLYBUDS在誕生之初就將目標瞄準了商務應用市場,，滿足商務人士在自駕、通勤和會議等多場景中,，進行高效記錄和溝通的需求,。

具體來看，訊飛智能TWS耳機iFLYBUDS有三大核心優(yōu)勢，分別為通話實時轉(zhuǎn)寫,、智能撥號識別,、通話譯文。

iFLYBUDS通話轉(zhuǎn)文字的功能,，均支持iPhone和安卓手機,，并不需要獲得手機的通話錄音權(quán)限，只需聲音通過耳機即可在App上實現(xiàn)通話語音的轉(zhuǎn)寫,。

1,、通話實時轉(zhuǎn)寫

iFLYBUDS支持常規(guī)電話和網(wǎng)絡電話，包括微信語音,、騰訊會議和釘釘語音等,。在多人會議場景下，iFLYBUDS還支持自動區(qū)分講話人,，方便用戶快速查找通話內(nèi)容,。

通話時，用戶可隨時通過一鍵錄音功能,，將通話過程轉(zhuǎn)文字,，轉(zhuǎn)寫準確率達98%；通話結(jié)束后,，iFLYBUDS將形成智能摘要,，自動提煉通話重點內(nèi)容，并支持對通話內(nèi)容的多終端（手機端和電腦端）分享和編輯,。

2,、智能語音撥號

針對商務人士通訊錄中聯(lián)系人重名、同音等情況,，iFLYBUDS支持用戶通過多種方式區(qū)分人名,，以快速找到正確聯(lián)系人，提升撥號效率,。

一方面,，用戶可通過純語音交互，只說聯(lián)系人姓名即可撥號,；另一方面,，用戶還能通過詞語舉例、歸屬地名稱區(qū)分的方式讓耳機快速撥號,，如“章子怡的章,、立早章”、“北京的章總”,。

3,、通話譯文對照

在外貿(mào)商務交流場景中,，用戶時常會遇到專業(yè)詞生僻等語言溝通障礙。

為了解決這一用戶需求,，iFLYBUDS在用戶進行英語通話時，能變身“翻譯官”,，幫助用戶將通話內(nèi)容實時轉(zhuǎn)譯為漢字,，輔助用戶英語溝通。

除了三大核心功能外,，iFLYBUDS在音質(zhì),、連接、延遲,、續(xù)航和降噪方面也有著自己的特色,。

其中在續(xù)航方面，iFLYBUDS支持2.5小時通話時長,，4小時聽歌時長,，若搭配充電盒使用，可實現(xiàn)最長通話10小時,，最長聽歌20小時,。

在極限使用場景下，iFLYBUDS同時進行通話+錄音+轉(zhuǎn)寫的續(xù)航為2小時,，搭配充電盒的最長使用時長為6小時,。

降噪方面，iFLYBUDS的智能降噪功能采用雙麥克風拾音,，CVC降噪算法,，保證用戶在機場、健身房等嘈雜環(huán)境中的清晰流暢通話體驗,。

此外,，iFLYBUDS還支持智能語音助手、自定義輕擊耳機交互和佩戴檢測等功能,。

訊飛消費者業(yè)務擴軍智能錄音筆,，新玩法押注TWS賽道

科大訊飛堅持做源頭技術(shù)自主創(chuàng)新，我們很榮幸在2019年被列入“實體清單”,。胡郁在發(fā)布會上笑稱,。

美國當?shù)貢r間2019年10月7日，美國聯(lián)邦政府宣布,，將28家中國企業(yè)實體加入“實體管制清單”,，禁止這些企業(yè)購買美國產(chǎn)品。而被列入實體管制清單的多為國內(nèi)人工智能領(lǐng)域國際領(lǐng)先企業(yè),。

盡管如此,，據(jù)發(fā)布會上公布數(shù)據(jù)顯示，2019年,、2020年,，“我們（科大訊飛）的智能錄音筆在天貓、京東電商平臺超過其他錄音筆產(chǎn)品總和,?！?/p>

也是在這個過程中，訊飛生態(tài)產(chǎn)業(yè)鏈中開發(fā)者團隊數(shù)量從2017年1月的53萬,、累計終端17億發(fā)展到今天的開發(fā)者團隊142萬,、累計終端數(shù)29.6億。

據(jù)胡郁介紹稱,，目前科大訊飛的核心技術(shù)分為兩個方面：第一,，參與國家重大戰(zhàn)略規(guī)劃方向——教育、醫(yī)療,、智慧城市,、智慧司法等。在這些方面,，通過科大訊飛的人工智能專家系統(tǒng)替代相關(guān)領(lǐng)域工作人員繁重的工作,，提高工作效率；第二,，服務廣大消費者,。目前科大訊飛發(fā)布的消費類產(chǎn)品已經(jīng)覆蓋移動場景、家庭場景,、辦公場景,、生活場景、學習場景,。2017-1019年,，科大訊飛的消費者業(yè)務從每年6億收入、3億毛利增長到30億收入,、15億毛利,。

今年上半年除去因為疫情影響導致翻譯機市場波動以外，其他硬件產(chǎn)品實現(xiàn)了200%的增長,。

而今年下半年,，對于國內(nèi)人工智能產(chǎn)業(yè)來說，仍是一個逆風期,，科大訊飛仍需要繼續(xù)努力,。

回顧過去幾年錄音筆行業(yè)的發(fā)展，一面是傳統(tǒng)錄音筆市場的破局,，一面是AI技術(shù)的迅速發(fā)展與落地,。

科大訊飛作為一家國內(nèi)老牌智能語音企業(yè),，緊緊地抓住了傳統(tǒng)行業(yè)變革與新技術(shù)迸發(fā)的發(fā)展機遇，與過去自身長達20余年的語音技術(shù)基因相碰撞,，從而催生出AI錄音筆的新品類市場,。

這既是訊飛的優(yōu)勢，也是它的挑戰(zhàn),。從最初簡簡單單的錄音筆到一塊帶屏智能錄音筆,，再到如今訊飛智能錄音筆SR系列的補全，訊飛圍繞語音技術(shù)的AI布局始終具有創(chuàng)新性和挑戰(zhàn)性,。

尤其是訊飛首款智能TWS耳機的誕生，不僅實現(xiàn)了AI轉(zhuǎn)寫等技術(shù)在多個設備的落地和創(chuàng)新應用,，還進一步擴張了自身AI戰(zhàn)略版圖,，將智能語音和轉(zhuǎn)寫賽道的邊界拓寬到錄音筆行業(yè)之外。

至此,，訊飛以智能語音為基礎的產(chǎn)品品類在AI轉(zhuǎn)寫賽道的布局,，已愈發(fā)地多元化。同時,，訊飛基于這些技術(shù)所帶來的跨邊界融合,，也給整個錄音筆和可穿戴設備行業(yè)的創(chuàng)新應用與發(fā)展，提供了一個新的思考路徑和解決方向,。

未來,，訊飛消費者業(yè)務或?qū)⒗^續(xù)打破不同模態(tài)技術(shù)之間的應用與融合，將自身業(yè)務的邊界拓寬到更遠的領(lǐng)域,。

文章來源： 智東西