百度人工智能中的語音識別技術正在變革速記行業。

近日，百度宣布推出一款能將音頻轉化為文字的SwiftScribe網頁應用，將改變完全依賴人工的速記行業現狀。該網頁應用背靠百度深度語音識別系統，將音頻文件轉為文本，轉化效率較人工速記快1.67倍。

百度首席科學家吳恩達認為，這一應用將改變采訪和視頻字幕生成，他在社交網絡上評論稱：“該應用非常適合將長語音轉換為文本的人士，人工智能將實現1+1大于2的效果。”

具體應用方面，用戶可在PC端打開SwiftScribe網頁應用，選取wav和mp3格式的文件上傳，系統就能馬上進行處理，時長1分鐘的音頻文件可以在30秒內轉換完成。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，只需人工調整大小寫、標點及部分拼寫細節即可快捷、準確地完成音頻轉換。

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。目前該系統可處理1小時內的音頻文件。

據悉，百度首先會邀請30-50名速記員對該應用的測試版本進行測試。

百度方面透露，該應用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網頁應用，依托于百度新一代深度語音識別系統Deep Speech 2，該系統曾被《麻省理工科技評論》評為“2016年十大突破技術”之一。通過利用長達數千小時的語音數據訓練，Deep Speech 2可以不斷“學習”從語音中識別特定的字或詞。

2016年9月1日，在2016百度世界大會上，百度董事長兼首席執行官李彥宏表示，百度語音識別的準確率能夠達到97%，已經超過了人對語音的識別能力。

據了解，百度在2016年推出了應用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是首款智能語音優先輸入法。”

對話機器將成為2017人工智能的發展風口，百度吳恩達曾在接受《華爾街日報》采訪時表示，隨著準確率的提高和用戶體驗的提升，百度的語音產品已度過用戶心目中的“試用期”。在語音產品迅猛發展的大環境下，亞馬遜、蘋果、谷歌和微軟等科技巨頭都在加緊研發各自的語音識別技術。

國內的智能語音及語言技術、人工智能技術研究公司科大訊飛，此前已經推出了以語音轉文字為核心業務的轉寫服務平臺——訊飛聽見網站。據該網站介紹，科大訊飛的機器轉寫服務一小時音頻約5分鐘轉寫成稿。如果是音質清晰、普通話標準的音頻，轉寫正確率可達90%以上。

目前，百度SwiftScribe音頻轉換服務免費對外開放。據百度方面人士透露，未來希望將該應用向商業化應用轉變。