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(wǎng)易有道技術(shù)開(kāi)放日上，這家公司出人意料的透露，已經(jīng)在開(kāi)發(fā)語(yǔ)音助手，今年5月會(huì)有產(chǎn)品發(fā)布。

這次以AI為主題的開(kāi)放日上，有道介紹了神經(jīng)網(wǎng)絡(luò)翻譯技術(shù)，OCR技術(shù)，以及有道智云的相關(guān)進(jìn)展及解決方案。有道的AI翻譯解決方案分于基于視覺(jué)交互和語(yǔ)音交互的解決方案兩類，而語(yǔ)音助手就被“藏”在了語(yǔ)音解決方案之中。

有道詞典產(chǎn)品技術(shù)負(fù)責(zé)人林會(huì)杰告訴雷鋒網(wǎng)，之所以做語(yǔ)音助手，是發(fā)現(xiàn)有用戶在使用有道翻譯官這一產(chǎn)品時(shí)，會(huì)將它當(dāng)作一個(gè)可以理解自己表達(dá)的助手，而非僅僅是一個(gè)翻譯工具。有道翻譯官APP可以識(shí)別語(yǔ)音并即時(shí)翻譯。

比如，面對(duì)一個(gè)翻譯工具，你會(huì)說(shuō)一句話讓其全部翻譯出來(lái)，而面對(duì)一個(gè)助手，你會(huì)說(shuō)“翻譯一下XXXX這句話”，并且只想要部分內(nèi)容被翻譯出來(lái)。

根據(jù)有道工作人員的介紹，與其它同類產(chǎn)品一樣，有道的語(yǔ)音助手也會(huì)有智能問(wèn)答、生活查詢、智能翻譯、日常閑聊、多語(yǔ)言理解，以及自然語(yǔ)言指令控制等功能。不過(guò)在現(xiàn)場(chǎng)的演示中，有道的語(yǔ)音助手還不是一個(gè)成型的產(chǎn)品，只是顯示了一個(gè)簡(jiǎn)單的交互界面。

林會(huì)杰表示，今年5月會(huì)發(fā)布關(guān)于語(yǔ)音助手的更多詳細(xì)情況，并且還會(huì)推出一款硬件。他也向雷鋒網(wǎng)確認(rèn)，這款硬件會(huì)是音箱。

網(wǎng)易做語(yǔ)音音箱并不奇怪，與阿里、騰訊一樣，網(wǎng)易云音樂(lè)與網(wǎng)易新聞讓其并不缺少內(nèi)容，更何況在今年2、3月，網(wǎng)易云音樂(lè)還分別與騰訊音樂(lè)及阿里音樂(lè)達(dá)成版權(quán)互相轉(zhuǎn)授權(quán)合作，內(nèi)容庫(kù)更為豐富。但由有道來(lái)做確實(shí)挺令人意外，至少與外界對(duì)它一直以來(lái)的形象不相符。

除了語(yǔ)音助手外，網(wǎng)易也公布了其在神經(jīng)網(wǎng)絡(luò)翻譯，OCR技術(shù)，有道智云方面的進(jìn)展。

有道翻譯在2008年上線，2017年升級(jí)為神經(jīng)網(wǎng)絡(luò)模型，并在同年升級(jí)為有道智云，向外輸出翻譯技術(shù)和解決方案。有道的神經(jīng)網(wǎng)絡(luò)翻譯在過(guò)去一段時(shí)間的主要進(jìn)展有下面幾個(gè)方面：

語(yǔ)言支持：目前有道已經(jīng)支持10多種語(yǔ)言翻譯，最近新上線了越南語(yǔ)，還將上線泰語(yǔ)、印尼語(yǔ)等小語(yǔ)種。

服務(wù)性能：采用CPU+GPU方案服務(wù)7.5億線上用戶，單次請(qǐng)求的平均翻譯時(shí)間僅為40ms，系統(tǒng)穩(wěn)定性達(dá)到99.95%。

離線能力：隨著手機(jī)性能的提升，有道還同步開(kāi)發(fā)了離線版的神經(jīng)翻譯系統(tǒng)，主要使用CPU解決方案，單語(yǔ)種模型文件小于100M，翻譯質(zhì)量接近在線翻譯，目前支持中英日韓法西葡7種語(yǔ)言。

海外拓展：除了圍繞中文的翻譯，有道還在海外進(jìn)行了擴(kuò)展，為國(guó)外的開(kāi)發(fā)者提供以英語(yǔ)為中心的翻譯能力，比如英語(yǔ)與印地語(yǔ)、法語(yǔ)、西班牙語(yǔ)的互譯。

有道智云還集成了OCR技術(shù)，其在拍照翻譯這樣的應(yīng)用中十分重要。有道表示，目前其OCR技術(shù)已經(jīng)識(shí)別超過(guò)72億張圖片，支持17種語(yǔ)言，并支持離線識(shí)別，其中在線識(shí)別可以達(dá)成99%的請(qǐng)求耗時(shí)650ms，而離線模型在20M內(nèi)，平均1.2秒即可識(shí)別出結(jié)果。

另外，有道對(duì)文字的方向、角度，以及文檔結(jié)果都做了諸多優(yōu)化，并能做到無(wú)需指定語(yǔ)言即可識(shí)別，而且支持多語(yǔ)言混合識(shí)別。未來(lái)，有道的OCR技術(shù)還將支持公式識(shí)別，面向教育場(chǎng)景(比如選擇題、填空題和數(shù)學(xué)推理等)進(jìn)行優(yōu)化，還會(huì)針對(duì)手寫板提供智能批改、錯(cuò)題整理等服務(wù)。

將上面的兩項(xiàng)技術(shù)打包在一起，有道提供有基于視覺(jué)交互和基于語(yǔ)音交互的兩種翻譯解決方案。視覺(jué)交互方案主要包括：

拍照翻譯：即輸入圖片后識(shí)別圖中文字并給出翻譯結(jié)果

原圖翻譯：在拍照翻譯的結(jié)果上，將原圖文字無(wú)縫替換為翻譯內(nèi)容，看起來(lái)就和原圖一樣。

AR翻譯：也就是用攝像頭拍攝目標(biāo)，視頻中的文字會(huì)實(shí)時(shí)翻譯。里面涉及到識(shí)別、翻譯、追蹤、背景分割等多種技術(shù)，有道表示可以做到全離線的AR翻譯。

語(yǔ)音翻譯則可以做到實(shí)時(shí)識(shí)別與翻譯，并對(duì)中式英語(yǔ)進(jìn)行了特別的優(yōu)化。

有道一位工作人員告訴雷鋒網(wǎng)，現(xiàn)在其已經(jīng)有1000多名員工，而且是網(wǎng)易內(nèi)部AI能力最強(qiáng)的團(tuán)隊(duì)，其AI業(yè)務(wù)的重點(diǎn)還是以翻譯為基礎(chǔ)，逐步擴(kuò)展在教育領(lǐng)域的應(yīng)用和解決方案。