速記行業(yè)正在迎來一場巨大變革，手指翻飛的速記員將與一款網(wǎng)頁應(yīng)用成為“同事”。近日，中國人工智能領(lǐng)導(dǎo)者百度宣布推出SwiftScribe網(wǎng)頁應(yīng)用，將改變完全依賴人工的速記行業(yè)現(xiàn)狀。該網(wǎng)頁應(yīng)用背靠百度深度語音識別系統(tǒng)，將音頻文件轉(zhuǎn)為文本，轉(zhuǎn)化效率較人工速記快 1.67倍。

　　百度首席科學家吳恩達認為這一應(yīng)用將改變采訪和視頻字幕生成，他在Facebook評論稱：“該應(yīng)用非常適合將長語音轉(zhuǎn)換為文本的人士，人工智能將實現(xiàn)1+1大于二的效果。”

　　用戶可在PC端打開SwiftScribe網(wǎng)頁應(yīng)用，選取wav和mp3格式的文件上傳，系統(tǒng)就能馬上進行處理，時長1分鐘的音頻文件可以在30秒內(nèi)轉(zhuǎn)換完成。用戶可使用鍵盤快捷鍵就能進行加快播放、后退和添加換行符等操作，處理完成后，只需人工調(diào)整大小寫、標點及部分拼寫細節(jié)即可快捷、準確的完成音頻轉(zhuǎn)換。

　　從使用效果看，SwiftScribe可為速記員帶來1.67倍的效率提升，縮短40%的工作時間。目前該系統(tǒng)可處理1小時內(nèi)的音頻文件，而這一時長正在開發(fā)團隊的努力下逐步延展，未來會增加視頻文件的語音識別及自動添加標點符號等功能，并支持更多文件格式，降低用戶使用門檻。

　　此次推出的SwiftScribe網(wǎng)頁應(yīng)用，依托于百度新一代深度語音識別系統(tǒng)Deep Speech 2——曾被《麻省理工科技評論》評為“2016年十大突破技術(shù)”之一。通過利用長達數(shù)千小時的語音數(shù)據(jù)訓練，Deep Speech 2可以不斷“學習”從語音中識別特定的字或詞。MIT評論其：在識別漢語語音片段方面，要比人為識別更加準確。目前，百度語音識別準確率已達到97%，成為行業(yè)領(lǐng)先者。

　　作為非英語母語者，百度SwiftScribe項目經(jīng)理吳田也曾深受長語音記錄的困擾“要整理一段1小時錄音對我來說要花上10個小時，” 而這也是這一應(yīng)用的靈感來源。百度在去年也推出了應(yīng)用DeepSpeech2的安卓輸入法TalkType，讓用戶能夠用語音快速輸入文字。百度硅谷人工智能實驗室項目領(lǐng)導(dǎo)人Bijit Halder在公告中稱：“TalkType是首款智能語音優(yōu)先輸入法。”

　　對話機器將成為2017人工智能的發(fā)展風口，百度吳恩達曾在《華爾街日報》的采訪中表示，隨著準確率的提高和用戶體驗的提升，百度的語音產(chǎn)品已度過用戶心目中的“試用期”。在語音產(chǎn)品迅猛發(fā)展的大環(huán)境下，亞馬遜、蘋果、谷歌和微軟等科技巨頭都在加緊研發(fā)各自的語音識別技術(shù)，然而在長文本音頻轉(zhuǎn)化技術(shù)上，百度仍然是行業(yè)最高水平的標桿。

　　目前，百度SwiftScribe音頻轉(zhuǎn)換服務(wù)免費對外開放，但該應(yīng)用背后的商業(yè)前景不可小覷。據(jù)百度人士透露，未來希望能夠向商業(yè)化應(yīng)用轉(zhuǎn)變。