以翻译为跳板 网易有道将推出语音助手及智能音箱

有道在外界的印象往往是“词典”与“翻译”，但在3月30日下午深圳的网易有道技术开放日上，这家公司出人意料的透露，已经在开发语音助手，今年5月会有产品发布。

这次以AI为主题的开放日上，有道介绍了神经网络翻译技术，OCR技术，以及有道智云的相关进展及解决方案。有道的AI翻译解决方案分于基于视觉交互和语音交互的解决方案两类，而语音助手就被“藏”在了语音解决方案之中。

有道词典产品技术负责人林会杰告诉雷锋网，之所以做语音助手，是发现有用户在使用有道翻译官这一产品时，会将它当作一个可以理解自己表达的助手，而非仅仅是一个翻译工具。有道翻译官APP可以识别语音并即时翻译。

比如，面对一个翻译工具，你会说一句话让其全部翻译出来，而面对一个助手，你会说“翻译一下XXXX这句话”，并且只想要部分内容被翻译出来。

根据有道工作人员的介绍，与其它同类产品一样，有道的语音助手也会有智能问答、生活查询、智能翻译、日常闲聊、多语言理解，以及自然语言指令控制等功能。不过在现场的演示中，有道的语音助手还不是一个成型的产品，只是显示了一个简单的交互界面。

林会杰表示，今年5月会发布关于语音助手的更多详细情况，并且还会推出一款硬件。他也向雷锋网确认，这款硬件会是音箱。

网易做语音音箱并不奇怪，与阿里、腾讯一样，网易云音乐与网易新闻让其并不缺少内容，更何况在今年2、3月，网易云音乐还分别与腾讯音乐及阿里音乐达成版权互相转授权合作，内容库更为丰富。但由有道来做确实挺令人意外，至少与外界对它一直以来的形象不相符。

 

 

除了语音助手外，网易也公布了其在神经网络翻译，OCR技术，有道智云方面的进展。

有道翻译在2008年上线，2017年升级为神经网络模型，并在同年升级为有道智云，向外输出翻译技术和解决方案。有道的神经网络翻译在过去一段时间的主要进展有下面几个方面：

语言支持：目前有道已经支持10多种语言翻译，最近新上线了越南语，还将上线泰语、印尼语等小语种。

服务性能：采用CPU+GPU方案服务7.5亿线上用户，单次请求的平均翻译时间仅为40ms，系统稳定性达到99.95%。

离线能力：随着手机性能的提升，有道还同步开发了离线版的神经翻译系统，主要使用CPU解决方案，单语种模型文件小于100M，翻译质量接近在线翻译，目前支持中英日韩法西葡7种语言。

海外拓展：除了围绕中文的翻译，有道还在海外进行了扩展，为国外的开发者提供以英语为中心的翻译能力，比如英语与印地语、法语、西班牙语的互译。

有道智云还集成了OCR技术，其在拍照翻译这样的应用中十分重要。有道表示，目前其OCR技术已经识别超过72亿张图片，支持17种语言，并支持离线识别，其中在线识别可以达成99%的请求耗时650ms，而离线模型在20M内，平均1.2秒即可识别出结果。

另外，有道对文字的方向、角度，以及文档结果都做了诸多优化，并能做到无需指定语言即可识别，而且支持多语言混合识别。未来，有道的OCR技术还将支持公式识别，面向教育场景(比如选择题、填空题和数学推理等)进行优化，还会针对手写板提供智能批改、错题整理等服务。

 

 

将上面的两项技术打包在一起，有道提供有基于视觉交互和基于语音交互的两种翻译解决方案。视觉交互方案主要包括：

拍照翻译：即输入图片后识别图中文字并给出翻译结果

原图翻译：在拍照翻译的结果上，将原图文字无缝替换为翻译内容，看起来就和原图一样。

AR翻译：也就是用摄像头拍摄目标，视频中的文字会实时翻译。里面涉及到识别、翻译、追踪、背景分割等多种技术，有道表示可以做到全离线的AR翻译。

语音翻译则可以做到实时识别与翻译，并对中式英语进行了特别的优化。

有道一位工作人员告诉雷锋网，现在其已经有1000多名员工，而且是网易内部AI能力最强的团队，其AI业务的重点还是以翻译为基础，逐步扩展在教育领域的应用和解决方案。