百度深度语音识别推网页应用 速记之快令人类“颤栗”

　　速记行业正在迎来一场巨大变革，手指翻飞的速记员将与一款网页应用成为“同事”。近日，中国人工智能领导者百度宣布推出SwiftScribe网页应用，将改变完全依赖人工的速记行业现状。该网页应用背靠百度深度语音识别系统，将音频文件转为文本，转化效率较人工速记快 1.67倍。

　　百度首席科学家吴恩达认为这一应用将改变采访和视频字幕生成，他在Facebook评论称：“该应用非常适合将长语音转换为文本的人士，人工智能将实现1+1大于二的效果。”

　　用户可在PC端打开SwiftScribe网页应用，选取wav和mp3格式的文件上传，系统就能马上进行处理，时长1分钟的音频文件可以在30秒内转换完成。用户可使用键盘快捷键就能进行加快播放、后退和添加换行符等操作，处理完成后，只需人工调整大小写、标点及部分拼写细节即可快捷、准确的完成音频转换。

　　从使用效果看，SwiftScribe可为速记员带来1.67倍的效率提升，缩短40%的工作时间。目前该系统可处理1小时内的音频文件，而这一时长正在开发团队的努力下逐步延展，未来会增加视频文件的语音识别及自动添加标点符号等功能，并支持更多文件格式，降低用户使用门槛。

　　此次推出的SwiftScribe网页应用，依托于百度新一代深度语音识别系统Deep Speech 2——曾被《麻省理工科技评论》评为“2016年十大突破技术”之一。通过利用长达数千小时的语音数据训练，Deep Speech 2可以不断“学习”从语音中识别特定的字或词。MIT评论其：在识别汉语语音片段方面，要比人为识别更加准确。目前，百度语音识别准确率已达到97%，成为行业领先者。

　　作为非英语母语者，百度SwiftScribe项目经理吴田也曾深受长语音记录的困扰“要整理一段1小时录音对我来说要花上10个小时，” 而这也是这一应用的灵感来源。百度在去年也推出了应用DeepSpeech2的安卓输入法TalkType，让用户能够用语音快速输入文字。百度硅谷人工智能实验室项目领导人Bijit Halder在公告中称：“TalkType是首款智能语音优先输入法。”

　　对话机器将成为2017人工智能的发展风口，百度吴恩达曾在《华尔街日报》的采访中表示，随着准确率的提高和用户体验的提升，百度的语音产品已度过用户心目中的“试用期”。在语音产品迅猛发展的大环境下，亚马逊、苹果、谷歌和微软等科技巨头都在加紧研发各自的语音识别技术，然而在长文本音频转化技术上，百度仍然是行业最高水平的标杆。

　　目前，百度SwiftScribe音频转换服务免费对外开放，但该应用背后的商业前景不可小觑。据百度人士透露，未来希望能够向商业化应用转变。