中國科技新聞網7月27日訊（趙芙瑤）1877年，美國發明家托馬斯·愛迪生發明了人類歷史上第一臺留聲機。這臺“會說話的機器”震驚世界，正式開啟了人類錄音的歷史。之后的數百年來，聲音存儲的介質從留聲機、唱片、磁帶、CD、錄音筆一路演變，在智能手機迭代加速的今天，許多用戶將手機、iPad等終端作為便攜錄音設備的首選，錄音筆似乎在漸漸淡出人們的視野。

華經產業研究院發布的《2020-2025年中國錄音筆行業市場調查研究及投資前景預測報告》顯示，2015-2018年我國錄音筆行業市場規模增速緩慢，2018年我國錄音筆行業市場規模為21.04億元，同比增長0.02%，隨著智能錄音筆的推廣，2019年我國錄音筆行業市場規模增長至23.17億元，同比增長10.1%。

彼時人工智能企業科大訊飛洞察到了高端智能錄音筆市場的空白：“我們委托市場調研機構調研后發現，市面上幾乎沒有1000元以上的高端錄音筆，市場需求也較少，但我們仍然推出了AI智能錄音筆，通過數據來看，我們根本不是搶占了原有的錄音筆的市場份額，而是成為了整個錄音筆市場當中的增量。”在中國科技新聞網聯合百度百家號攜手打造的“走進未來公司”系列之走進科大訊飛的交流環節中，科大訊飛副總裁兼消費者事業群副總裁李傳剛這樣說道。

號稱一站式解決錄音、輸出、轉寫、儲存等多種需求，支持多語種識別、翻譯，并能做到深度降噪的科大訊飛AI智能錄音筆究竟有多神乎其神？錄音筆能做到區分說話人角色、將語音轉寫成文字時準確率高達98%并去掉語氣詞，背后是何種技術在支撐？

由中國科技新聞網與百度百家號攜手打造的“走進未來公司”系列報道，本著“挖掘科技故事，傳播創新精神”的理念，本期走進了中國最大的智能語音技術提供商科大訊飛，探秘其如何利用前沿人工智能技術推動智能錄音筆產品迭代，顛覆用戶對錄音筆的傳統認知。

中國科技新聞網/攝

定價399—5999元 高端AI智能錄音筆是否“無可取代”？

提起錄音筆，實際上早已不是簡單的錄音功能，隨著技術的發展，錄音筆已經迭代成為擁有語音轉寫、圖文識別、自然語言理解等多種功能為一體的智能設備。

而要追溯錄音筆的前世，不得不提及大名鼎鼎的貝爾實驗室，上世紀50年代，一群科學狂人搗鼓出一套系統，雖然當時這套系統只能識別不超過10個的英文數字，但這項創舉被后世公認為開啟了語音識別技術的大門。

此后，IBM、Nuance、微軟、谷歌等國際巨頭開始在語音識別技術方面“大展拳腳”。在中國，科大訊飛也不甘落后，通過多年的努力與技術沉淀，科大訊飛在巨頭林立的競技場拼殺出一片屬于自己的天地。

7月20日，在科大訊飛展廳，各式錄音筆訴說著科大訊飛語音識別技術的發展歷程。據了解，AI智能錄音筆針對不同的人群提供了多種機型，包括腕式錄音筆R1、帶屏智能錄音筆SR101和SR302，旗艦款大屏智能錄音筆SR502和SR702、再到尊享版SR901等全線機型可供選擇，定價從399元至5999元不等。

中國科技新聞網/攝

這些看似冰冷的機器，實際上已經融入了科大訊飛國際先進的智能語音技術、專業的收音降噪算法等，具有錄音實時轉文字、中英文邊錄邊譯、專業級降噪等核心亮點，用戶還可以將所錄內容上傳至云端，并實現多終端的編輯與分享。

正是上述功能的附身，讓錄音筆有了更廣泛的應用場景，轉寫準確率高達98%，為媒體訪談、會議溝通、學習培訓等場景的記錄帶來顛覆式體驗。

目前，眾多用戶將智能手機作為錄音的首選，對AI智能錄音筆了解甚少。不少用戶會發出質疑的聲音：一款錄音筆定價為何比智能手機還高？產品配置是否“配得上”定價？有些手機APP也可以將語音轉寫成文字，消費者花高價購買AI智能錄音筆的理由是什么？

帶著諸多疑問，中國科技新聞網與科大訊飛訊飛極智軟件研發部總監楊猛、訊飛極智產品經理任曉寧以及副總裁李傳剛進行了深度交流，由內而外的剖析了AI智能錄音筆的技術架構、市場定位以及未來發展趨勢。

談及為何要“死磕”錄音筆產品，李傳剛分享了一段鮮為人知的心路歷程。他說，在2008年，他曾遠赴德國寶馬總部進行交流學習，自己購買的寶馬三系也已經矜矜業業地工作了九年，寶馬精益求精的品質與服務深深打動著自己。“我當時就下定決心，有生之年我一定要做出一款產品，這款產品要成為品類界的寶馬。之后我選擇做科大訊飛錄音筆，希望他成為錄音筆界的寶馬。”李傳剛抬起手臂，語氣堅定地說道。

在李傳剛看來，技術革新和消費升級的雙重驅動下會產生新的機遇，以科大訊飛的AI技術為依托，對傳統的錄音筆行業進行賦能，將會產生全新的顛覆式體驗，為消費者帶來巨大價值。

中國科技新聞網/攝

在給錄音筆命名時，李傳剛也參考了寶馬的命名方式，以7、5、3作為錄音筆型號的開頭。“之后我還推出了9系錄音筆，在命名方式上超越了寶馬。假如未來業務發展更加壯大，我希望能證明我是一個有情懷的小企業家。”李傳剛笑稱。

李傳剛從兩個維度說明了AI智能錄音筆的不可替代性。從硬件終端來看，正如目前的智能手機可以代替從前幾百萬像素的數碼相機，但無法撼動高清攝像機、單反的地位一樣，科大訊飛AI智能錄音筆的硬件采用哈曼的兩個定向麥克風與六個陣列麥克風，可以實現360度環繞無死角的聲音采集、15米拾聲，加上主要集中在降噪技術上的精密算法，這都是手機無法實現的。

   從語音解決方案來看，購買科大訊飛錄音筆終端后，將終身免費使用智能語音轉寫服務，

目前AI智能錄音筆支持10大語種的轉寫，未來可能支持更多語種，而后續的升級服務用戶均可以免費享受。

在定價策略方面，定價5999元的9系錄音筆主要面向商務人群，選擇7系的更多為教授、教師，5系用戶中白領占比較高，3系和便攜式則面向學生群體。購買錄音筆終端并不是僅僅針對配置硬件的一次性消費，而是硬件加服務的雙重消費，因為對于服務器的維護、軟件功能的升級迭代都需要長期投入。

“能聽會說，能理解會思考”？ AI智能錄音筆背后的科技底色

縱觀科大訊飛AI智能錄音筆的發展歷程，訊飛極智軟件研發部總監楊猛從技術角度解讀了其升級迭代的方向。最初的錄音筆僅支持將語音轉寫成文字，此后基于用戶對于方言、多語種以及翻譯的需求，對錄音筆進行了新的創新。針對于脫網狀態，新增了OCR識別功能，用戶無需網絡即可利用該功能輕松提取PPT、EXCEL、圖片內的文字信息，以便快速編輯分享。

中國科技新聞網/攝

此后經過不斷的調研與實踐，轉寫后文本已經可以做到角色分離和角色標注，能夠幫助用戶區分不同講話人，從而更好地進行會議記錄和后期編輯，語氣詞的過濾也讓文本更加流暢與書面化。“后期將對轉寫后的文本進行智能摘要，這是我們從技術角度要拓展的方向。”楊猛透露了AI智能錄音筆的未來發展趨勢。

那么這一切是如何實現的？這得益于科大訊飛曾提出的一種全新語音識別框架——深度全序列卷積神經網絡（DFCNN，Deep Fully Convolutional NeuralNetwork），DFCNN使用大量的卷積層直接對整句語音信號進行建模。基于該框架，2016年科大訊飛又推出了深度學習全序列神經網絡，將聲音的全語段送至模型中，將聲音的波形也就是語譜圖進行頻率的分解，這樣既有時域信號，又有頻域信號，輸入端會更加豐富、模型更加精準。

“角色分離的實現則是根據語音的特性進行區分，語氣詞過濾方面，我們在語義的層面會根據文本的特性通過AI算法進行計算，它是一個端到端的算法模型，中間會有一些加強層、過濾層，還能利用DFCNN的框架，根據語言的結構，將語序顛倒的句子重新排列，讓文本更加流暢。”楊猛表示。

“這個模型通過AI的智能匹配把語音、語速提取出來，專項對語音進行加強，將環境中的白噪、彩噪等壓制下去，最終輸出一個相對純凈的音頻，送到后端的轉寫引擎，從而達到非常高的轉寫準確率，而且整個過程都是在錄音不間斷的情況下實現的，它還會根據錄音的歷史數據來進行動態優化，使我們的引擎模型更加智能。”楊猛用通俗易懂的語言道出了錄音筆降噪背后的技術架構，即一方面對干凈的語音進行加噪，并與干凈語音一起進行混合訓練，從而提高模型對于帶噪語音的清晰度。

楊猛續稱，DFCNN還可以讓錄音根據歷史數據，對下文進行調整，精準區別于以傳統的僅以語音作為序列的輸入模式，大幅提高轉寫準確率。準確率的提升與數據采集也密不可分，科大訊飛積累了22年的數據，并且每年都會對數據進行清洗、過濾以及補充，讓數據更完整有效。

在語句專業領域的識別方面，科大訊飛通過在醫療、教育、科技等各個領域數據的不斷積累，以此來增加專業詞匯量，并通過場景建模訓練，進而提升識別率；在語義的識別方面，類似于“登機”（登基）等語義上的歧義非常之多，所以根據上下文進行計算和判斷，幫助提升文本準確率至關重要。

隨著錄音筆應用場景的不斷豐富，技術的迭代與升級，科大訊飛曾提出的讓機器“能聽會說，能理解會思考”的愿景正在實現。從AI智能錄音筆終端的表現來看，支持多語言轉寫、專業級降噪說明其“能聽”；轉寫準確率高達98%、能根據上下文對文本進行動態優化說明其“能理解”；能夠區分說話人角色、根據語言的結構，將語序顛倒的句子重新排列說明其“會思考”。目前，科大訊飛已推出便攜式智能腕式錄音筆，更輕、更薄、更聰明、更智慧將是其不斷探索的目標。