正文

请到「今天看啥」查看全文

这是一个有点冒险的尝试。

“趟过不少坑”

显然，对于市场份额更大的厂商来说，冒险的成本更大。

一是基于手机的多轮语音交互，识别准确率是个大问题，从硬件方面的麦克风阵列，到手机运算资源消耗的考量，技术挑战不小。

二是用户体验要求高，一旦上线多轮语音交互，内在要求必定是又快又准，一旦识别有误，或交互“弱智”，用户体验就会大打折扣，除了让人骂娘，可能还会客观上助攻竞争对手。

所以把多轮语音交互带入手机地图，多少算是“激进”之举。但对搜狗地图来说，包袱要小得多，转身和尝试可以快得多，即便技术上的坑不少。

搜狗地图总经理孔祥来也承认，在产品立项的半年内，“在技术上趟过不少坑”。

首先是语音识别问题。车载环境，手机终端，应用环境接近远场识别，需要面临降噪、回声、纠错等语音识别方面的技术挑战，而且导航地图需求中，只要一个字、一个词识别不准，都会造成意图错误，用户体验差。

其次是语义理解。车载环境需要尽可能降低眼和手的使用，全靠人机语音对话理解意图，而多轮交互还会对对话模型和引导模型提出高要求。

最后是数据重构，文字输入客观上要求极尽准确，但语音交互却可能语焉不详，单如“首都机场”，就可能面临“航站楼T1、T2、T3”和“出发/到达”等数据的结构关系构建，换而言之是要让机器模型建立起“知识体系”。

而这次新产品的发布，就是搜狗对上述技术挑战交出的答卷。孔祥来告诉量子位，主要有三方面：

一围绕语音识别，针对性做了4000小时车载语音训练，并专门针对POI（兴趣点，包括商家商铺和标志性建筑物等）数据的优化提升语音识别准确率，还要建立语音、语义、地图概率模型，在多个识别结果中做反向挑选，以此作为准确率辅助手段。

二是在最后产品中准备了10万个对话路径，用启发式对话模型，不断细分搜索结果类型，通过对话引导，让机器理解人类的真正意图。

最后则是POI数据的重构，按照现实世界的隶属关系，组成父子、容器、区域从属关系，为语音对话提供相应精准的领域知识，保障播报和上下文理解能力。

请到「今天看啥」查看全文