百度用人工智能技術(shù)做了新產(chǎn)品。

百度硅谷實(shí)驗(yàn)室(SVAIL)周一上線了網(wǎng)頁(yè)應(yīng)用 SwiftScribe，基本的功能是把音頻資料轉(zhuǎn)錄成文字。在一篇博客文章中，項(xiàng)目主管 Tian Wu 說(shuō)他們解決了一個(gè)重要的“痛點(diǎn)”：消耗大量時(shí)間的逐字聽(tīng)寫(xiě)轉(zhuǎn)錄。

SwiftScribe 目前還處在內(nèi)測(cè)階段，并未開(kāi)放，不過(guò)你可以通過(guò)一個(gè)演示示例了解它是怎么工作的。SwiftScribe 支持上傳時(shí)長(zhǎng) 1 個(gè)小時(shí)以?xún)?nèi)的 wav 或 mp3 文件，目前只接受英文。接下來(lái)它需要花點(diǎn)時(shí)間生成文字，官方說(shuō)法是，1 分鐘的錄音需要不到 30 秒、1 小時(shí)的錄音需要 20 分鐘左右。

接下來(lái)你會(huì)在網(wǎng)頁(yè)上看到轉(zhuǎn)錄好的文字，但這并不意味著轉(zhuǎn)錄結(jié)束。文本不會(huì)區(qū)分大小寫(xiě)、沒(méi)有標(biāo)點(diǎn)符號(hào)，更沒(méi)有分段，你需要在文本框中手動(dòng)編輯，然后再做導(dǎo)出。這個(gè)過(guò)程也會(huì)被百度記錄，就像所有的人工智能學(xué)習(xí)過(guò)程一樣，它用來(lái)幫助算法糾正錯(cuò)誤，提高準(zhǔn)確率。

文本框底部有一排工具欄，播放按鈕開(kāi)啟，一個(gè)高亮的標(biāo)識(shí)會(huì)跟隨語(yǔ)音標(biāo)出閱讀的進(jìn)度，方便你停下來(lái)查看這個(gè)單詞對(duì)應(yīng)的語(yǔ)音。這個(gè)工具欄還有變速、標(biāo)記的功能。

這個(gè)過(guò)程就相當(dāng)于用機(jī)器算法取代了速記員、聽(tīng)寫(xiě)員的工作。“SwiftScribe 會(huì)在廣泛的領(lǐng)域內(nèi)帶來(lái)積極影響，提高生產(chǎn)力，包括醫(yī)療機(jī)構(gòu)、法律、商業(yè)和媒體。”Tian Wu 在博客中說(shuō)，專(zhuān)業(yè)領(lǐng)域的人工聽(tīng)寫(xiě)效率低，1 小時(shí)的錄音往往需要花費(fèi) 4-6 個(gè)小時(shí)，每分鐘語(yǔ)音的成本在 1 美元，SwiftScribe 能把完成工作的時(shí)間平均縮短 40%。

Tian Wu 在接受采訪時(shí)表示，他們以后還會(huì)增加對(duì)視頻文件的語(yǔ)音識(shí)別支持，也會(huì)添加自動(dòng)插入標(biāo)點(diǎn)符號(hào)等功能。

語(yǔ)音識(shí)別并不是什么新鮮事物，你手機(jī)里的各種語(yǔ)音助理比如 Siri、 Cortana 都基于此，用戶關(guān)心的唯一問(wèn)題可能是到底識(shí)別的準(zhǔn)確性有多高。

按照 Tian Wu 的介紹，SwiftScribe 基于他們的最新研究成果 Deep Speech 2。2014 年百度的首席科學(xué)家吳恩達(dá)剛剛?cè)肼毎俣炔痪茫蛶е粋€(gè) 10 人的團(tuán)隊(duì)開(kāi)發(fā) Deep Speech，一套語(yǔ)音識(shí)別系統(tǒng)。

當(dāng)時(shí)的研究重點(diǎn)在怎么提高嘈雜環(huán)境下的英語(yǔ)語(yǔ)音識(shí)別準(zhǔn)確率。百度收集了 9600 個(gè)人 7000 小時(shí)的語(yǔ)音樣本，添加了 15 種噪聲，把樣本擴(kuò)充到 10 萬(wàn)小時(shí)。吳恩達(dá)說(shuō)這套系統(tǒng)的錯(cuò)誤率比同期的微軟 Bing Speech、Google Speech API 等競(jìng)爭(zhēng)對(duì)手低 10%。

2015 年，硅谷人工智能實(shí)驗(yàn)室又發(fā)表論文公布了 Deep Speech 2 ，這個(gè)系統(tǒng)開(kāi)始學(xué)習(xí)漢語(yǔ)，也提高了對(duì)不同英語(yǔ)口音識(shí)別的能力。

到 2016 年，百度利用 Deep Speech 技術(shù)推出基于 Android 的語(yǔ)音輸入應(yīng)用 TalkType，強(qiáng)調(diào)輸入法對(duì)“語(yǔ)音優(yōu)先”。同一年，Deep Speech 2 還入選了《MIT 評(píng)論》評(píng)出的“ 2016 年十大突破技術(shù)”，入選的理由是“語(yǔ)音識(shí)別技術(shù)讓智能手機(jī)變得更易操作”。

可以確定的是，百度之后還會(huì)花費(fèi)更多的精力、更多的錢(qián)來(lái)支持人工智能的研究，這是李彥宏反復(fù)提及的最新故事。

上個(gè)月的財(cái)報(bào)電話會(huì)議上，李彥宏說(shuō)會(huì)壓縮百度糯米和百度外賣(mài)的補(bǔ)貼和營(yíng)銷(xiāo)費(fèi)用、公司的未來(lái)在人工智能領(lǐng)域：“人工智能是改變互聯(lián)網(wǎng)和傳統(tǒng)工業(yè)的一個(gè)巨大機(jī)會(huì)。”

與之對(duì)應(yīng)的是，百度 2016 年的營(yíng)收漲了 6.3%、凈利潤(rùn)少了三分之二。這是百度自成立以來(lái)，年度凈利潤(rùn)首次下跌。而百度總收入中，依然有九成以上來(lái)自廣告業(yè)務(wù)。