智能副驾是搜狗在 AI 落地应用上的全新探索

简介:

AI 热潮袭来,受到了各大企业和资本方的追逐,而很多移动互联网企业也大都一头扎进这个领域,欲成为这场技术革新的引领者,或至少成为早期参与者。

不过,从目前的情况来看,放眼整个 AI 领域,跟随者甚众,但落地产品寥寥。而作为率先入局者之一的搜狗,不同于其他巨头们企业争相布局通用型 AI 平台的思路,而是基于其在 AI 领域的天然优势,选择深挖垂直领域做功能型人工智能。

7 月 18 日,搜狗地图智能副驾这款产品推出,这是搜狗通过整合自身资源在人工智能落地上一个全新方向的探索,其中的隐含意味是:这只是一个开端,搜狗地图未来还将承载更多 AI 落地的方向。「毫无疑问,地图是非常好的承载平台。」搜狗地图总经理孔祥来告诉雷锋网(公众号:雷锋网)智能副驾是搜狗在 AI 落地应用上的全新探索

这款智能副驾产品支持用户全程进行语音交互,一定程度上解放了驾驶员的手和眼,给用户带来更智能、安全和便捷的驾驶体验和乐趣。

开发这款产品之前,搜狗地图团队为此收集了 1 万多份用户调查问卷,做了充分的用户需求调研。他们发现,用户在车内的最常见需求都跟行驶以及互联网消费相关。虽然车企以及同行业其他服务商也有相关产品落地,但孔祥来认为,以目前竞品的语音交互技术来说,用户体验等方面都不够好。

而这也是他们选择从这个应用场景切入的缘由,搜狗也有能力大幅度提升此类产品的交互体验。除了在发布会所提到的技术外,孔祥来以搜狗的语音识别这个技术细节为例进行了阐述:由于智能副驾这款产品是在搜狗内部做深度集成,所以地图团队会独享一些不对外开放的接口。

「现在你去看任何一家语音识别,只要开放 SDK 这种,你去把用户输入的音频流给到它,它只给你单一结果,而搜狗的语音识别会给到我们 N 个结果。虽然说大家的语音识别率做得比较高了,95% 也好,还是 96%、 97%,这是单字识别率,说了一百个字,95 个字是对的。事实上我们仔细想一想,用户整句表达的时候,在车内至少要说 7 个字,他想表达自己需求的时候,那 97% 的识别率一下子就掉到了 80%。」

「如果你只输出单一结果,这意味着一句话中间错了一个字,后面的语义理解可能就挂掉了,这就是为什么我们一开始在内部做深度耦合解决这个问题。因为搜狗的语音识别对内合作是有多个结果,它会告诉我,识别概率最高的一个结果。」

同时,他们也发现,输出的结果排第二、第三位的也有可能是对的,这又如何解决?当然是通过后面的语义理解、分析引擎,从而判断出第一个不对,第二个或第三个才是对的。

「比如我们经常会问,我已经给你找到一个地方了,你是不是要确认?用户可能会说确认,但是用户说确认非常短,就是两个字的一句话,这种短语句的识别,都是语音识别的难点,有时第一个识别结果并不是对的,但是我们在后面可以挽救回来。」孔祥来告诉雷锋网。

还有一个问题是,纵观业内做语音识别的公司的语音识别率都号称达到 97% 左右,但在产品上的效果却不尽人意,却是为何?孔祥来对此解释说,除了噪声以外,在相对安静的环境下,识别率其实也没有想象中那么高。很重要一个原因是,过去的产品之所以强调正确率,仍然是把它当做语音识别看待,而现在讨论的范畴并不仅限于此,还包括语义理解以及(数据)分发技术都要与之匹配。

就单独做语音技术的公司而言,国内不乏佼佼者。它们有非常强的技术,但缺乏地图所需要的数据。而有的地图服务商虽然有数据,却没有足够好的语音交互技术。

搜狗地图兼具两者优势,「像搜狗有自己的语音识别,有庞大的语义理解团队,有地图搜索、导航能力,后面还有大搜索,搜狗所有的技术都是自有化状态。」孔祥来称,这也是搜狗地图团队对智能副驾会在车内形成竞争优势的信心所在。

不过,搜狗地图并不急于通过这一款产品去抢占更多市场份额,「这个不是我们现在关注的重点,我们推出这款产品的根本目的还是希望 AI 技术通过某种方式落地」,他说。

雷锋网了解到,目前搜狗地图已与福特、博世等公司建立了深度合作关系,而智能副驾的推出会更有利于提升这些车企对他们实力的认知。据了解,最新上市的福特翼搏已经使用了搜狗专门定制开发的系统,并对所有的交互逻辑都做了深度定制。未来将会有更多车型搭载搜狗智能副驾。

除了搜狗地图发布智能副驾外,搜狗在今年下半年到明年还会有一系列「大动作」。「你会发现,一定会有越来越多的 AI 产品发布,因为这本身就是搜狗正在努力做的方向。」孔祥来说道。

本文作者:王金许

本文转自雷锋网禁止二次转载,原文链接

相关实践学习
达摩院智能语音交互 - 声纹识别技术
声纹识别是基于每个发音人的发音器官构造不同,识别当前发音人的身份。按照任务具体分为两种: 声纹辨认:从说话人集合中判别出测试语音所属的说话人,为多选一的问题 声纹确认:判断测试语音是否由目标说话人所说,是二选一的问题(是或者不是) 按照应用具体分为两种: 文本相关:要求使用者重复指定的话语,通常包含与训练信息相同的文本(精度较高,适合当前应用模式) 文本无关:对使用者发音内容和语言没有要求,受信道环境影响比较大,精度不高 本课程主要介绍声纹识别的原型技术、系统架构及应用案例等。 讲师介绍: 郑斯奇,达摩院算法专家,毕业于美国哈佛大学,研究方向包括声纹识别、性别、年龄、语种识别等。致力于推动端侧声纹与个性化技术的研究和大规模应用。
相关文章
|
2天前
|
机器学习/深度学习 人工智能 UED
OOTDiffusion:开源AI虚拟试衣工具,智能适配性别和体型自动调整衣物
OOTDiffusion是一款开源的AI虚拟试衣工具,能够智能适配不同性别和体型,自动调整衣物尺寸和形状,生成自然贴合的试穿效果。该工具支持半身和全身试穿模式,操作简单,适合服装电商、时尚行业从业者及AI试穿技术爱好者使用。
63 27
OOTDiffusion:开源AI虚拟试衣工具,智能适配性别和体型自动调整衣物
|
2天前
|
机器学习/深度学习 Web App开发 人工智能
Amurex:开源AI会议助手,提供实时建议、智能摘要、快速回顾关键信息
Amurex是一款开源的AI会议助手,提供实时建议、智能摘要、快速回顾关键信息等功能,帮助用户提升会议效率。本文将详细介绍Amurex的功能、技术原理以及如何运行和使用该工具。
44 18
Amurex:开源AI会议助手,提供实时建议、智能摘要、快速回顾关键信息
|
1天前
|
机器学习/深度学习 人工智能 自然语言处理
转载:【AI系统】AI的领域、场景与行业应用
本文概述了AI的历史、现状及发展趋势,探讨了AI在计算机视觉、自然语言处理、语音识别等领域的应用,以及在金融、医疗、教育、互联网等行业中的实践案例。随着技术进步,AI模型正从单一走向多样化,从小规模到大规模分布式训练,企业级AI系统设计面临更多挑战,同时也带来了新的研究与工程实践机遇。文中强调了AI基础设施的重要性,并鼓励读者深入了解AI系统的设计原则与研究方法,共同推动AI技术的发展。
转载:【AI系统】AI的领域、场景与行业应用
|
2天前
|
人工智能 缓存 异构计算
云原生AI加速生成式人工智能应用的部署构建
本文探讨了云原生技术背景下,尤其是Kubernetes和容器技术的发展,对模型推理服务带来的挑战与优化策略。文中详细介绍了Knative的弹性扩展机制,包括HPA和CronHPA,以及针对传统弹性扩展“滞后”问题提出的AHPA(高级弹性预测)。此外,文章重点介绍了Fluid项目,它通过分布式缓存优化了模型加载的I/O操作,显著缩短了推理服务的冷启动时间,特别是在处理大规模并发请求时表现出色。通过实际案例,展示了Fluid在vLLM和Qwen模型推理中的应用效果,证明了其在提高模型推理效率和响应速度方面的优势。
云原生AI加速生成式人工智能应用的部署构建
|
1天前
|
机器学习/深度学习 人工智能 物联网
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
12月05日,由中国软件行业校园招聘与实习公共服务平台携手阿里魔搭社区共同举办的AI赋能大学计划·大模型技术与产业趋势高校行AIGC项目实战营·电子科技大学站圆满结营。
AI赋能大学计划·大模型技术与应用实战学生训练营——电子科技大学站圆满结营
|
7天前
|
机器学习/深度学习 人工智能 JSON
【实战干货】AI大模型工程应用于车联网场景的实战总结
本文介绍了图像生成技术在AIGC领域的发展历程、关键技术和当前趋势,以及这些技术如何应用于新能源汽车行业的车联网服务中。
|
2天前
|
人工智能 Kubernetes 安全
赋能加速AI应用交付,F5 BIG-IP Next for Kubernetes方案解读
赋能加速AI应用交付,F5 BIG-IP Next for Kubernetes方案解读
31 13
|
2天前
|
机器学习/深度学习 人工智能 边缘计算
24/7全时守护:AI视频监控技术的深度实现与应用分享
本文深入解析了AI视频监控系统在车间安全领域的技术实现与应用,涵盖多源数据接入、边缘计算、深度学习驱动的智能分析及高效预警机制,通过具体案例展示了系统的实时性、高精度和易部署特性,为工业安全管理提供了新路径。
|
7天前
|
机器学习/深度学习 人工智能 自然语言处理
AI技术在自然语言处理中的应用
随着人工智能技术的不断发展,自然语言处理(NLP)已经成为了一个重要的应用领域。本文将介绍一些常见的NLP任务和算法,并通过代码示例来展示如何实现这些任务。我们将讨论文本分类、情感分析、命名实体识别等常见任务,并使用Python和相关库来实现这些任务。最后,我们将探讨NLP在未来的发展趋势和挑战。
|
7天前
|
人工智能 运维 自然语言处理
智能化运维:AI在IT运维领域的深度应用与实践####
本文探讨了人工智能(AI)技术在IT运维领域的深度融合与实践应用,通过分析AI驱动的自动化监控、故障预测与诊断、容量规划及智能决策支持等关键方面,揭示了AI如何赋能IT运维,提升效率、降低成本并增强系统稳定性。文章旨在为读者提供一个关于AI在现代IT运维中应用的全面视角,展示其实际价值与未来发展趋势。 ####
64 4