百度人工智能完成了一個小目標 這次是語音轉(zhuǎn)錄應用

自從百度把人工智能當做核心發(fā)展戰(zhàn)略之后，這方面的進展也是神速。

3 月 13 日，百度宣布推出一款名為SwiftScribe的網(wǎng)頁版應用，它能夠利用人工智能技術把語音文件進行轉(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，常常需要通過手動逐字錄入。但是SwiftScribe這款應用通過集成百度自主研發(fā)的語音識別技術以及功能簡單的編輯工具，可以幫助人們實現(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。通過利用長達數(shù)千小時的標注語音數(shù)據(jù)進行“訓練”，Deep Speech 2可以不斷“學習”從語音中識別特定的字或詞。

（圖片來自：Networked India）

此外，百度還通過直覺快捷鍵以及人機交互技術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。對于一段時長為一小時的語音文件來說，常規(guī)情況下需要 4-6 小時去進行人工轉(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、標點符號、錯別字等等。

據(jù)百度的項目經(jīng)理吳甜介紹，SwiftScribe 目前僅支持一小時以內(nèi)的語音文件轉(zhuǎn)錄，但團隊還在對應用的功能進行進一步開發(fā)，以后可能會增加對視頻文件的語音識別、支持更多文件格式以及自動添加標點符號等功能。

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。

（百度 TalkType，圖片來自：VentureBeat）

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領域，國內(nèi)的科大訊飛、搜狗等企業(yè)也都在語音識別領域有所建樹。

百度首席科學家吳恩達曾表示：

我認為語音識別技術已經(jīng)發(fā)展到了非?？煽康某潭?，使用的時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。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。