钛媒体快讯 | 百度美国于昨天推出转录工具SwiftScribe，一个利用人工智能，让用户能快速将音频转成文字的免费网页工具。

百度在近年一直在持续改善其新一代深度语音识别系统DeepSpeech2。DeepSpeech2系统由百度硅谷人工智能实验室（SVAIL）研发，并在去年被麻省理工科技评论评为2016年十大突破技术。

“百度在语音技术领域不断进步，语音接口更为实用和有效。用户可以愈加便利地与身边的设备进行互动。百度的深度语音识别系统（DeepSpeech2）包含了一个非常庞大的神经网络，引入了数以百万计的转录语音。有时它在识别汉语语音片段方面，要比人为识别更加准确。”麻省理工科技评论写道。

百度在去年也推出了应用DeepSpeech2的安卓输入法应用TalkType，让用户能够快速语音输入文字。国际科技巨头如微软、亚马逊、苹果以及谷歌同样在语音识别领域投入大量精力，但在长段语音识别转录上仍不及百度。

SwiftScribe支持上传转录wav和mp3格式的音频文件。一段30秒左右的音频转录成文本时间大概为10秒，而一段1分钟左右的文件大致需要30秒的转录时间。SwiftScribe最大支持用户上传1小时长的音频文件，1小时的音频则需要20分钟左右的处理时间，百度的项目管理人武田介绍道。

但SwiftScribe的功能目前还没有很完善，在转录成功后，用户还需自行对文本进行编辑。SwiftScribe转录出来的文本是不带标点符号的，用户需要自行断句、并对可能出现的错误进行更正、以及编辑英文单词大小写等。不过SwiftScribe同样提供变速阅读工具，让用户在校对编辑时可以调慢播放速度。

图片来源：VentureBeat

SwiftScribe的开发灵感源于武田在加州大学圣芭芭拉分校读研期间的采访经历。

“我的母语不是英语，要整理一段1小时录音对我来说要花上10个小时。而对于专业人士来说，时间也不短，大概要6小时，” 武田说道。

武田和同事Nina Wei在跟几个速记员交流过后也为开发SwiftScribe找到了不少灵感。武田的团队认为SwiftScribe能给速记员带来1.67倍的效率提升，能缩短40%的工作时间，这也意味着他们能花同样的时间赚到更多的钱。

显而易见，SwiftScribe并不只是单单面向于速记员，它基于网页，并免费为用户提供服务，对于其他如记者等需要经常整理音频文件的职业，SwiftScribe可谓是提高效率的神器。

“我们希望在未来能够将其商业化，” 武田说道，透露在技术成熟后增加收费服务的打算。

武田的团队计划未来给SwiftScribe加入音频自动转录文字、为视频上字幕等功能，以及增加支持文件格式，并加入自动添加标点符号的功能。

（本文首发钛媒体，综合自VentureBeat、MIT Technology Review等外网 。Garrett/编译）