swiftscribe

王新民 编译整理
量子位·QbitAI 出品

百度昨天宣布推出SwiftScribe，一个利用人工智能（AI）技术，快速将录音转成文字的免费工具。

SwiftScribe界面

SwiftScribe可以播放音频，并且支持调整音频播放速度，用户可以边听音频边对自动转写的文字进行校对编辑。编辑完成后，可以将文字导出成纯文本或Word文档。

SwiftScribe页面上显示，这一工具是由百度美国推出的。百度美国包括百度自动驾驶部门（ADU）、百度研究院和百度USDC。

百度新推出的这个工具，和国内科大讯飞的录音宝，国外Nuance的Dragon功能类似，不过后两者是收费的。SwiftScribe目前是免费的，不过项目经理武田（音）说，希望未来能将它变成一个生意。

在过去几年中，百度一直在优化他们的语音识别软件DeepSpeech。去年，该公司推出了一款Android输入法TalkType，把DeepSpeech技术用到了输入上。百度把语音输入放在了比打字更优先的位置，是因为说话能比用手指点击字母更快地传递信息。现在，百度又面向专业人士，推出了另一款由DeepSpeech增强的工具。

除了百度之外，美国的亚马逊、苹果、谷歌和微软，国内的科大讯飞、搜狗也都一直在进行语音识别的研究。

使用SwiftScribe时，用户上传需要转录的.wav或.mp3格式音频文件，然后系统将会在云端对其进行处理。通常来说，一个30秒的文件需要10秒的处理时间，长为一分钟的音频文件在30秒内即可处理好。武田在接受美国媒体VentureBeat采访时说，SwiftScribe最长能处理1小时音频，需要20分钟的处理时间。

Swiftscribe转写的文字没有标点符号，因此，用户需要对自动处理的结果进行修改编辑，如大小写调整，添加标点符号和修改拼写错误等等。为了方便用户修改，SwiftScribe提供了调整音频速度、快进、快退、插入空行等快捷键。

开发SwiftScribe的灵感来自武田在加州大学圣芭芭拉分校读研期间的采访经历。作为一个中国留学生，武田通常需要花费10小时时间来听写1小时音频。武田说，据她所知，一个专业人士整理1小时音频需要4-6小时。

通过和几个速记员的交流，武田和她的同事Nina Wei认为，SwiftScribe可以帮速记员们提升1.67倍的工作速度，也就是节约40％的时间。这意味着他们可以做更多的工作，并最终获得更多的报酬。

这款产品是针对速记员设计的，他们习惯于使用计算机而不是移动设备进行输入，因此SwiftScribe只有网页版。当然，对于记者、历史学家等职业来说，SwiftScribe也是一个很有用的工具。

未来，SwiftScribe团队希望可以提供为视频自动转录文字加字幕的功能，支持更多的文件格式，以及增加一个能够自动添加标点符号的功能，来完善这款应用程序。

今天AI还搞了哪些大新闻？
在量子位（QbitAI）公众号会话界面回复“今天”，看我们全网搜罗的AI新鲜资讯。比心❤~