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(yè)版應(yīng)用，它能夠利用人工智能技術(shù)把語(yǔ)音文件進(jìn)行轉(zhuǎn)錄，感興趣的可以去試試看。

長(zhǎng)期以來(lái)，人們?cè)谵D(zhuǎn)錄語(yǔ)音文件時(shí)，常常需要通過(guò)手動(dòng)逐字錄入。但是 SwiftScribe 這款應(yīng)用通過(guò)集成百度自主研發(fā)的語(yǔ)音識(shí)別技術(shù)以及功能簡(jiǎn)單的編輯工具，可以幫助人們實(shí)現(xiàn)語(yǔ)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(lái)自百度的新一代深度語(yǔ)音識(shí)別系統(tǒng)—— Deep Speech 2。通過(guò)利用長(zhǎng)達(dá)數(shù)千小時(shí)的標(biāo)注語(yǔ)音數(shù)據(jù)進(jìn)行“訓(xùn)練”，Deep Speech 2 可以不斷“學(xué)習(xí)”從語(yǔ)音中識(shí)別特定的字或詞。

此外，百度還通過(guò)直覺(jué)快捷鍵以及人機(jī)交互技術(shù)來(lái)解決語(yǔ)音錄入的不連貫問(wèn)題。

對(duì)于那些職業(yè)速錄師來(lái)說(shuō)，SwiftScribe 能成為他們的生產(chǎn)力利器。對(duì)于一段時(shí)長(zhǎng)為一小時(shí)的語(yǔ)音文件來(lái)說(shuō)，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(guò)，雖然人工智能可以提高生產(chǎn)力，短時(shí)間內(nèi)還沒(méi)辦法完全取代人類(lèi)。在 SwiftScribe 完成初步的語(yǔ)音轉(zhuǎn)錄后，還需要人工去檢查大小寫(xiě)、標(biāo)點(diǎn)符號(hào)、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?xún)?nèi)的語(yǔ)音文件轉(zhuǎn)錄，但團(tuán)隊(duì)還在對(duì)應(yīng)用的功能進(jìn)行進(jìn)一步開(kāi)發(fā)，以后可能會(huì)增加對(duì)視頻文件的語(yǔ)音識(shí)別、支持更多文件格式以及自動(dòng)添加標(biāo)點(diǎn)符號(hào)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(yǔ)音識(shí)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(pán)添加語(yǔ)音錄入功能。同年，百度的深度語(yǔ)音識(shí)別系統(tǒng) Deep Speech 2 還入選了美國(guó)《麻省理工評(píng)論》的 2016 年十大突破技術(shù)。

如今，包括亞馬遜、蘋(píng)果、Google 和微軟在內(nèi)的多家互聯(lián)網(wǎng)巨頭都在布局語(yǔ)音識(shí)別技術(shù)領(lǐng)域，國(guó)內(nèi)的科大訊飛、搜狗等企業(yè)也都在語(yǔ)音識(shí)別領(lǐng)域有所建樹(shù)。

百度首席科學(xué)家吳恩達(dá)曾表示：

我認(rèn)為語(yǔ)音識(shí)別技術(shù)已經(jīng)發(fā)展到了非?？煽康某潭龋褂玫臅r(shí)候甚至都不用去想它。最好的科技往往是看不見(jiàn)的，而語(yǔ)音識(shí)別正在變得更加可靠，我希望它能夠退居幕后。