百度用人工智能技術(shù)做了新產(chǎn)品。

百度硅谷實驗室(SVAIL)周一上線了網(wǎng)頁應(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，項目主管 Tian Wu 說他們解決了一個重要的“痛點”：消耗大量時間的逐字聽寫轉(zhuǎn)錄。

SwiftScribe 目前還處在內(nèi)測階段，并未開放，不過你可以通過一個演示示例了解它是怎么工作的。SwiftScribe 支持上傳時長 1 個小時以內(nèi)的 wav 或 mp3 文件，目前只接受英文。接下來它需要花點時間生成文字，官方說法是，1 分鐘的錄音需要不到 30 秒、1 小時的錄音需要 20 分鐘左右。

接下來你會在網(wǎng)頁上看到轉(zhuǎn)錄好的文字，但這并不意味著轉(zhuǎn)錄結(jié)束。文本不會區(qū)分大小寫、沒有標點符號，更沒有分段，你需要在文本框中手動編輯，然后再做導出。這個過程也會被百度記錄，就像所有的人工智能學習過程一樣，它用來幫助算法糾正錯誤，提高準確率。

文本框底部有一排工具欄，播放按鈕開啟，一個高亮的標識會跟隨語音標出閱讀的進度，方便你停下來查看這個單詞對應(yīng)的語音。這個工具欄還有變速、標記的功能。

這個過程就相當于用機器算法取代了速記員、聽寫員的工作。“SwiftScribe 會在廣泛的領(lǐng)域內(nèi)帶來積極影響，提高生產(chǎn)力，包括醫(yī)療機構(gòu)、法律、商業(yè)和媒體。”Tian Wu 在博客中說，專業(yè)領(lǐng)域的人工聽寫效率低，1 小時的錄音往往需要花費 4-6 個小時，每分鐘語音的成本在 1 美元，SwiftScribe 能把完成工作的時間平均縮短 40%。

Tian Wu 在接受采訪時表示，他們以后還會增加對視頻文件的語音識別支持，也會添加自動插入標點符號等功能。

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

按照 Tian Wu 的介紹，SwiftScribe 基于他們的最新研究成果 Deep Speech 2。2014 年百度的首席科學家吳恩達剛剛?cè)肼毎俣炔痪茫蛶е粋€ 10 人的團隊開發(fā) Deep Speech，一套語音識別系統(tǒng)。

當時的研究重點在怎么提高嘈雜環(huán)境下的英語語音識別準確率。百度收集了 9600 個人 7000 小時的語音樣本，添加了 15 種噪聲，把樣本擴充到 10 萬小時。吳恩達說這套系統(tǒng)的錯誤率比同期的微軟 Bing Speech、Google Speech API 等競爭對手低 10%。

2015 年，硅谷人工智能實驗室又發(fā)表論文公布了 Deep Speech 2 ，這個系統(tǒng)開始學習漢語，也提高了對不同英語口音識別的能力。

到 2016 年，百度利用 Deep Speech 技術(shù)推出基于 Android 的語音輸入應(yīng)用 TalkType，強調(diào)輸入法對“語音優(yōu)先”。同一年，Deep Speech 2 還入選了《MIT 評論》評出的“ 2016 年十大突破技術(shù)”，入選的理由是“語音識別技術(shù)讓智能手機變得更易操作”。

可以確定的是，百度之后還會花費更多的精力、更多的錢來支持人工智能的研究，這是李彥宏反復提及的最新故事。

上個月的財報電話會議上，李彥宏說會壓縮百度糯米和百度外賣的補貼和營銷費用、公司的未來在人工智能領(lǐng)域：“人工智能是改變互聯(lián)網(wǎng)和傳統(tǒng)工業(yè)的一個巨大機會。”

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