百度SwiftScribe語音轉(zhuǎn)錄app

百度AI最新產(chǎn)品SwiftScribe是一款功能強大且免費的音頻轉(zhuǎn)錄文字軟件，它采用的是最新先時的語音識別技術，可以將音頻快速轉(zhuǎn)換成文字，并支持一鍵下載，可以完勝速記赤豆，比快的速度要快1.67倍！

百度SwiftScribe怎么用

使用方法

用戶打開軟件，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。

百度SwiftScribe用戶評測

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”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，” 而這也是這一應用的靈感來源。百度在去年也推出了應用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導人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，然而在長文本音頻轉(zhuǎn)化技術上，百度仍然是行業(yè)最高水平的標桿。該應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。

百度SwiftScribe發(fā)展前景

百度在國內(nèi)雖然聲名狼藉，但它在海外開設的實驗機構(gòu)還是在干實事的。今天百度公布了一款借助DeepSpeech語音識別核心的網(wǎng)頁式語音轉(zhuǎn)錄應用SwiftScribe，盡管還處在測試的初級階段，不過據(jù)說至少效率相當不錯。

SwiftScribe的使用方法和我們今天在多數(shù)網(wǎng)頁應用里的操作大體一致，用戶在一個簡單的網(wǎng)頁里上傳.wav或.mp3音頻文件——在SwiftScribe的情境下通常是記錄人物講話的錄音，上傳完成后，語音識別AI就會即刻開始聽寫用戶剛剛上傳的材料。它的動作很快，通常只需要話音頻全長的三分之一時間便可完成聽寫。SwiftScribe單次能接受的最長語音材料為一小時，算下來處理時間需要20分鐘。

因為技術尚未完善，SwiftScribe現(xiàn)階段并不能做到聽寫100%準確，某些特定的單詞它會寫錯，標點也不是很會打，這種時候仍需要用戶做一遍檢查，手工把它輸出錯誤的文字給修改過來。SwiftScribe內(nèi)置變速閱讀工具，在人工復查時可以調(diào)慢音頻的播放速度進行校對。

百度SwiftScribe的團隊領導人表示該工具將能幫助轉(zhuǎn)錄人員提升三分之二的工作效率，不過目前來說它還需要花至少好幾個月進行打磨，他們也計劃邀請數(shù)十名專職做轉(zhuǎn)錄的行業(yè)人士參與公開測試，協(xié)助改進SwiftScribe。接下來這個轉(zhuǎn)錄AI還要面對視頻轉(zhuǎn)錄和添加字母、適配更多文件格式，以及自動標點等挑戰(zhàn)。百度打算在SwiftScribe成熟之后在其上開發(fā)收費點，目前來說SwiftScribe還是免費的。不過按照百度的習性和天下沒有免費午餐的定律，并不推薦使用它轉(zhuǎn)錄一些非常關鍵或敏感的信息