闻其声，见其意，藏在字幕后的功臣

2019 年 9 月 11 日 程序猿

北京时间9月11日凌晨1点，主题为“致创新”的2019苹果秋季新品发布会在美国加州的史蒂夫·乔布斯剧院举办，和往年的发布会一样，苹果的发布会仍然是属于数码行业以及数码爱好者的狂欢。

除了有三款新iPhone即将与大家见面外，发布会上还带来了iPad、AppleWatch等多款新品。尽管许多产品在发布之前都已经被爆出了细节信息，但这并没有影响发布会受关注的火热程度。虽然这两年苹果不断被唱衰，可事实上，其仍旧是当仁不让的行业龙头，乃至数码行业的风向标。或许也正是因为此，尽管发布会时间在北京时间凌晨1点，依旧有许多人一改养生作息，想要先睹为快。

为此，腾讯视频、爱奇艺、优酷、哔哩哔哩4️大直播平台迅速和苹果达成了直播协议，为那些期待者们分享同步的快乐。事实上，在去年的秋季发布会上，腾讯视频、看看新闻、第一财经3大直播平台，也是全程支持苹果发布会直播，除了第一手的视频以外，实时字幕更是让人感受到了科技带来的智慧生活(除了看看新闻是直接机器翻译外，其余都是直接对官方的中文语音做中文识别，呈现出来中文字幕)。

这时候才意识到语言问题的朋友大可放心，在这次的直播中，大家依旧可以享受到实时字幕带来的便捷——各大平台显然不会放过第一时间的实时翻译来收拢流量。

没错，今天我们要讲的东西并非苹果的发布会，而是苹果发布会直播中的功臣——语音识别技术。

语言作为人们日常交流的一种主要表达方式。很多时候语种的不同会限制我们的沟通和交流，对于翻译的需求也就应运而生，然而，关于对话的实时翻译与文字翻译相比，难度更大，这是因为对于翻译有着更加高标准的需求，不仅要能“译得准”，还要“听得清”，这对于技术的要求显然更高，而常见的AI翻译在实时翻译的过程中，更多的只是提供一些参考性的东西，对于技术标准以及专业术语上的翻译有着较大的偏差。

所以，语音翻译并不是简单的语音+翻译，简单的语音识别的错误肯可能会被后续的翻译放大，甚至一个字的识别错误都会导致整个句子的翻译错误。达成令人满意的翻译效果需妥善解决识别容错、智能断句与标点等一系列技术难题，这就要求一个公司具备全面的AI能力，进行语音、翻译的深度融合与技术创新，而业界具备这种能力的公司，屈指可数。

这就不得不提提科大讯飞了。其在本次苹果发布会上，与看看新闻，中关村在线，新浪科技和bilibili直播四大平台合作，为用户提供了第一手的直播字幕。

科大讯飞股份有限公司是一家专业从事智能语音及语音技术研究、软件及芯片产品开发、语音信息服务的国家级骨干软件企业，这些年一直致力于人机交互技术的研究。作为中国优秀的智能语音技术提供商，科大讯飞在苹果发布会直播的幕后，默默地提供着实时字幕的输出。

提起2019世界人工智能大会，可能很多数码爱好者都不陌生，马云以及马斯克关于人工智能、宇宙、教育、人类命途等话题的对话风趣幽默，而他们的英文对话也被实时转写，并翻译成中文上屏，让人们可以更直观的读懂这场“双马对话”。没错，这就是讯飞听见智能会议系统所提供的转写翻译支持。所谓科技，简单来说就是沟通人与工具的距离，提升行为效率。与会期间的对话迅速实时的呈现出来，显然为旁观者提供了第一手的信息。无论是对于媒体工作者，还是沟通存在障碍的非母语人士来说，这都是一个极其友好的表现。

讯飞听见智能会议系统除了为大会提供全程服务外，还在“双马对话”前，其“新一代语音翻译关键技术及系统 ”甚至荣获大会颁发的，目前国内人工智能领域最高荣誉——SAIL应用奖（Super AI Leader，即“卓越人工智能引领者奖”）。

讯飞听见智能会议系统V4.0.0版本可以说是集目前语音技术之大成，其采用的全新中英文混合识别引擎，中英交谈场景无需手动切换识别语种。仅这一点，就足够甩开大部分的同业者了，然而除此之外，用户还可在系统中将说话人的发言内容进行声纹模型注册，在后续实时会议中，将自动实现声纹角色分离和识别的效果。也就是说，在多语种环境下，讯飞听见智能会议系统会迅速的分别出不同语种，并进行实时辨别，对于高效率的会议提供了强有力的语言识别支撑。