AI音頻轉(zhuǎn)錄工具SwiftScribe使用教程：

　　百度美國推出了轉(zhuǎn)錄工具SwiftScribe，一個利用人工智能，讓用戶能快速將音頻快速轉(zhuǎn)成文字的免費網(wǎng)頁工具。

　　百度在近年一直在持續(xù)改善其新一代深度語音識別系統(tǒng)DeepSpeech2。DeepSpeech2系統(tǒng)由百度硅谷人工智能實驗室(SVAIL)研發(fā)，并在去年被麻省理工科技評論評為2016年十大突破技術。

　　“百度在語音技術領域不斷進步，語音接口更為實用和有效。用戶可以愈加便利地與身邊的設備進行互動。百度的深度語音識別系統(tǒng)(DeepSpeech2)包含了一個非常龐大的神經(jīng)網(wǎng)絡，引入了數(shù)以百萬計的轉(zhuǎn)錄語音。有時它在識別漢語語音片段方面，要比人為識別更加準確。”麻省理工科技評論寫道。

　　百度在去年也推出了應用DeepSpeech2的安卓輸入法應用TalkType，讓用戶能夠快速語音輸入文字。國際科技巨頭如微軟、亞馬遜、蘋果以及谷歌同樣在語音識別領域投入大量精力，但在長段語音識別轉(zhuǎn)錄上仍不及百度。

　　SwiftScribe支持上傳轉(zhuǎn)錄wav和mp3格式的音頻文件。一段30秒左右的音頻轉(zhuǎn)錄成文本時間大概為10秒，而一段1分鐘左右的文件大致需要30秒的轉(zhuǎn)錄時間。SwiftScribe最大支持用戶上傳1小時長的音頻文件，1小時的音頻則需要20分鐘左右的處理時間，百度的項目管理人武田介紹道。

　　但SwiftScribe的功能目前還沒有很完善，在轉(zhuǎn)錄成功后，用戶還需自行對文本進行編輯。SwiftScribe轉(zhuǎn)錄出來的文本是不帶標點符號的，用戶需要自行斷句、并對可能出現(xiàn)的錯誤進行更正、以及編輯英文單詞大小寫等。不過SwiftScribe同樣提供變速閱讀工具，讓用戶在校對編輯時可以調(diào)慢播放速度。

　　SwiftScribe的開發(fā)靈感源于武田在加州大學圣芭芭拉分校讀研期間的采訪經(jīng)歷。

　　“我的母語不是英語，要整理一段1小時錄音對我來說要花上10個小時。而對于專業(yè)人士來說，時間也不短，大概要6小時，” 武田說道。

　　武田和同事Nina Wei在跟幾個速記員交流過后也為開發(fā)SwiftScribe找到了不少靈感。武田的團隊認為SwiftScribe能給速記員帶來1.67倍的效率提升，能縮短40%的工作時間，這也意味著他們能花同樣的時間賺到更多的錢。

　　顯而易見，SwiftScribe并不只是單單面向于速記員，它基于網(wǎng)頁，并免費為用戶提供服務，對于其他如記者等需要經(jīng)常整理音頻文件的職業(yè)，SwiftScribe可謂是提高效率的神器。

　　“我們希望在未來能夠?qū)⑵渖虡I(yè)化，” 武田說道，透露在技術成熟后增加收費服務的打算。

　　武田的團隊計劃未來給SwiftScribe加入音頻自動轉(zhuǎn)錄文字、為視頻上字幕等功能，以及增加支持文件格式，并加入自動添加標點符號的功能。