自從百度把人工智能當(dāng)做核心發(fā)展戰(zhàn)略之后，這方面的進(jìn)展也是神速。
3 月 13 日，百度宣布推出一款名為 SwiftScribe 的網(wǎng)頁版應(yīng)用，它能夠利用人工智能技術(shù)把語音文件進(jìn)行轉(zhuǎn)錄，感興趣的可以去試試看。
長期以來，人們在轉(zhuǎn)錄語音文件時(shí)，常常需要通過手動(dòng)逐字錄入。但是 SwiftScribe 這款應(yīng)用通過集成百度自主研發(fā)的語音識別技術(shù)以及功能簡單的編輯工具，可以幫助人們實(shí)現(xiàn)語音文件快速、便捷的轉(zhuǎn)錄，提高生產(chǎn)效率。
據(jù)百度介紹，SwiftScribe 依托的核心技術(shù)來自百度的新一代深度語音識別系統(tǒng)—— Deep Speech 2。通過利用長達(dá)數(shù)千小時(shí)的標(biāo)注語音數(shù)據(jù)進(jìn)行“訓(xùn)練”，Deep Speech 2 可以不斷“學(xué)習(xí)”從語音中識別特定的字或詞。
此外，百度還通過直覺快捷鍵以及人機(jī)交互技術(shù)來解決語音錄入的不連貫問題。
對于那些職業(yè)速錄師來說，SwiftScribe 能成為他們的生產(chǎn)力利器。對于一段時(shí)長為一小時(shí)的語音文件來說，常規(guī)情況下需要 4-6 小時(shí)去進(jìn)行人工轉(zhuǎn)錄，并且每分鐘的轉(zhuǎn)錄成本約合 1 美元。如果使用 SwiftScribe 的話，所用時(shí)間能縮短差不多 40%。
不過，雖然人工智能可以提高生產(chǎn)力，短時(shí)間內(nèi)還沒辦法完全取代人類。在 SwiftScribe 完成初步的語音轉(zhuǎn)錄后，還需要人工去檢查大小寫、標(biāo)點(diǎn)符號、錯(cuò)別字等等。
據(jù)百度的項(xiàng)目經(jīng)理吳甜介紹，SwiftScribe 目前僅支持一小時(shí)以內(nèi)的語音文件轉(zhuǎn)錄，但團(tuán)隊(duì)還在對應(yīng)用的功能進(jìn)行進(jìn)一步開發(fā)，以后可能會(huì)增加對視頻文件的語音識別、支持更多文件格式以及自動(dòng)添加標(biāo)點(diǎn)符號等功能。
從第一代的 Deep Speech 到第二代的 Deep Speech 2，百度已經(jīng)在深度語音識別技術(shù)上深耕多年。2016 年，百度推出了使用 Deep Speech 系統(tǒng)的 TalkType，為 Android 鍵盤添加語音錄入功能。同年，百度的深度語音識別系統(tǒng) Deep Speech 2 還入選了美國《麻省理工評論》的 2016 年十大突破技術(shù)。
如今，包括亞馬遜、蘋果、Google 和微軟在內(nèi)的多家互聯(lián)網(wǎng)巨頭都在布局語音識別技術(shù)領(lǐng)域，國內(nèi)的科大訊飛、搜狗等企業(yè)也都在語音識別領(lǐng)域有所建樹。
百度首席科學(xué)家吳恩達(dá)曾表示：
我認(rèn)為語音識別技術(shù)已經(jīng)發(fā)展到了非常可靠的程度，使用的時(shí)候甚至都不用去想它。最好的科技往往是看不見的，而語音識別正在變得更加可靠，我希望它能夠退居幕后。
