以翻譯為跳板，網易有道將推出語音助手及智能音箱

有道在外界的印象往往是「詞典」與「翻譯」，但在3月30日下午深圳的網易有道技術開放日上，這家公司出人意料的透露，已經在開發語音助手，今年5月會有產品發布。

這次以AI為主題的開放日上，有道介紹了神經網路翻譯技術，OCR技術，以及有道智雲的相關進展及解決方案。有道的AI翻譯解決方案分於基於視覺交互和語音交互的解決方案兩類，而語音助手就被「藏」在了語音解決方案之中。

有道詞典產品技術負責人林會傑告訴雷鋒網，之所以做語音助手，是發現有用戶在使用有道翻譯官這一產品時，會將它當作一個可以理解自己表達的助手，而非僅僅是一個翻譯工具。有道翻譯官APP可以識別語音並即時翻譯。

比如，面對一個翻譯工具，你會說一句話讓其全部翻譯出來，而面對一個助手，你會說「翻譯一下XXXX這句話」，並且只想要部分內容被翻譯出來。

根據有道工作人員的介紹，與其它同類產品一樣，有道的語音助手也會有智能問答、生活查詢、智能翻譯、日常閑聊、多語言理解，以及自然語言指令控制等功能。不過在現場的演示中，有道的語音助手還不是一個成型的產品，只是顯示了一個簡單的交互界面。

林會傑表示，今年5月會發布關於語音助手的更多詳細情況，並且還會推出一款硬體。他也向雷鋒網確認，這款硬體會是音箱。

網易做語音音箱並不奇怪，與阿里、騰訊一樣，網易雲音樂與網易新聞讓其並不缺少內容，更何況在今年2、3月，網易雲音樂還分別與騰訊音樂及阿里音樂達成版權互相轉授權合作，內容庫更為豐富。但由有道來做確實挺令人意外，至少與外界對它一直以來的形象不相符。

除了語音助手外，網易也公布了其在神經網路翻譯，OCR技術，有道智雲方面的進展。

有道翻譯在2008年上線，2017年升級為神經網路模型，並在同年升級為有道智雲，向外輸出翻譯技術和解決方案。有道的神經網路翻譯在過去一段時間的主要進展有下面幾個方面：

• 語言支持：目前有道已經支持10多種語言翻譯，最近新上線了越南語，還將上線泰語、印尼語等小語種。

• 服務性能：採用CPU+GPU方案服務7.5億線上用戶，單次請求的平均翻譯時間僅為40ms，系統穩定性達到99.95%。

• 離線能力：隨著手機性能的提升，有道還同步開發了離線版的神經翻譯系統，主要使用CPU解決方案，單語種模型文件小於100M，翻譯質量接近在線翻譯，目前支持中英日韓法西葡7種語言。

• 海外拓展：除了圍繞中文的翻譯，有道還在海外進行了擴展，為國外的開發者提供以英語為中心的翻譯能力，比如英語與印地語、法語、西班牙語的互譯。

有道智雲還集成了OCR技術，其在拍照翻譯這樣的應用中十分重要。有道表示，目前其OCR技術已經識別超過72億張圖片，支持17種語言，並支持離線識別，其中在線識別可以達成99%的請求耗時650ms，而離線模型在20M內，平均1.2秒即可識別出結果。

另外，有道對文字的方向、角度，以及文檔結果都做了諸多優化，並能做到無需指定語言即可識別，而且支持多語言混合識別。未來，有道的OCR技術還將支持公式識別，面向教育場景（比如選擇題、填空題和數學推理等）進行優化，還會針對手寫板提供智能批改、錯題整理等服務。

將上面的兩項技術打包在一起，有道提供有基於視覺交互和基於語音交互的兩種翻譯解決方案。視覺交互方案主要包括：

• 拍照翻譯：即輸入圖片後識別圖中文字並給出翻譯結果

• 原圖翻譯：在拍照翻譯的結果上，將原圖文字無縫替換為翻譯內容，看起來就和原圖一樣。

• AR翻譯：也就是用攝像頭拍攝目標，視頻中的文字會實時翻譯。裡面涉及到識別、翻譯、追蹤、背景分割等多種技術，有道表示可以做到全離線的AR翻譯。

語音翻譯則可以做到實時識別與翻譯，並對中式英語進行了特別的優化。

有道一位工作人員告訴雷鋒網，現在其已經有1000多名員工，而且是網易內部AI能力最強的團隊，其AI業務的重點還是以翻譯為基礎，逐步擴展在教育領域的應用和解決方案。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！