通常會議記錄的速度是慢于說話速度的，而對于大部分會議而言，會議記錄內(nèi)容是參與人員復(fù)盤和會議重點(diǎn)提煉的一手材料，尤其是對于大型討論決策型會議，會議記錄的內(nèi)容準(zhǔn)確性不言而喻。

在語音轉(zhuǎn)寫技術(shù)出現(xiàn)以前，會議記錄高度依賴會議記錄人員或書記員的精確錄入，后期還需要進(jìn)行大量詞匯填充工作，繁瑣且出錯率高。

科技是第一生產(chǎn)力，大數(shù)據(jù)應(yīng)用的延伸和硬件系統(tǒng)的成本降低、性能的提升，反哺了人工智能所需要的原始訓(xùn)練資料，根據(jù)相關(guān)機(jī)構(gòu)預(yù)測，中國語音識別的商用市場在2024年會達(dá)到接近300億的收入規(guī)模，而GPU的使用量與訓(xùn)練速度也在成倍增長。隨著越來越多的頭部互聯(lián)網(wǎng)廠商的布局和許多新興玩家的加入，使得相應(yīng)的應(yīng)用產(chǎn)品愈發(fā)趨于成熟，開始走向大規(guī)模的商業(yè)化，而類似于會議記錄困難這樣的問題，自動實(shí)時語音轉(zhuǎn)寫錄入技術(shù)的到來將會得到完美解決。

Q1:語音識別技術(shù)是如何發(fā)展的？

主要有四個階段。第一個階段（模板匹配階段）是上個世紀(jì)50到60年代，語音識別尚處在萌芽階段，通過模板匹配的方式實(shí)現(xiàn)，這個階段的特點(diǎn)是只能理解有限的詞匯和內(nèi)存中的數(shù)字，并不能將語音信號轉(zhuǎn)化為完整的語句或者詞匯，且對于不同的聲音模型，機(jī)器的識別也極為有限。

第二個階段（模式和特征分析階段）是智能語音識別的起步階段，時間點(diǎn)是上世紀(jì)70、80年代，這一階段可以通過對聲音進(jìn)行設(shè)置特定的模式和參數(shù)，并基于大量詞匯可以進(jìn)行連續(xù)的語音識別。仍然處于研究和探索的階段，這一階段的成果主要出自于各高校和研究所。

第三個階段（概率統(tǒng)計建模階段）為成長階段，此階段研究算法主流為概率統(tǒng)計算法建模，主要模型為HHM隱馬爾科夫模型和DMM高斯混合模型，這一階段開始有了面向商用市場的初期產(chǎn)品。而神經(jīng)網(wǎng)絡(luò)模型也在這一時期穩(wěn)定發(fā)展，DBN深度置信網(wǎng)絡(luò)由HINTON在2006年提出，并頻繁出現(xiàn)在語音識別領(lǐng)域，開始挑戰(zhàn)主流的算法模型。

第四個階段（深度神經(jīng)網(wǎng)絡(luò)階段）也就是2010年至今，消費(fèi)級產(chǎn)品越來越常見并且更加專業(yè)化，而主流算法模型開始轉(zhuǎn)向為神經(jīng)網(wǎng)絡(luò)模型，語音識別作為AI交互的接口，應(yīng)用的場景也更加多樣巧妙。

Q2:語音識別和語音轉(zhuǎn)寫有什么區(qū)別？

實(shí)際上這兩種技術(shù)是包含關(guān)系，即語音轉(zhuǎn)寫技術(shù)是AI語音識別技術(shù)的一個分支。語音識別的研究對象是指以語音為研究對象，通過語言處理和模式識別讓機(jī)器自動識別理解人類口述語言，進(jìn)而轉(zhuǎn)化成文本或者命令的技術(shù)。從中可以看出，語音識別是一門涉及廣泛的技術(shù)，與聲學(xué)、語音學(xué)、語言學(xué)、信息理論、模式識別理論以及神經(jīng)生物學(xué)等學(xué)科都有非常密切的關(guān)系。而語音轉(zhuǎn)寫則是其中一種輸出方式，最直接的就是轉(zhuǎn)換成為可視化文本樣式輸出，即為語音轉(zhuǎn)寫技術(shù)，它包含了識別與轉(zhuǎn)寫兩個流程。          

Q3:語音識別目前存在的難點(diǎn)或者發(fā)展趨勢是什么？

都可分為三點(diǎn)闡述，難點(diǎn)可歸結(jié)為三個問題:1.更有效的序列到序列直接轉(zhuǎn)換的模型。2.雞尾酒會問題也就是遠(yuǎn)講拾音識別。3.持續(xù)預(yù)測和自適應(yīng)模型。這三個難點(diǎn)解決了，將會進(jìn)一步提升語音識別的準(zhǔn)確率和適用性與易用性。

發(fā)展的趨勢，目前來看主要分為：強(qiáng)降噪發(fā)展、語音鏈路整合、多模態(tài)結(jié)合，這也是頭部相關(guān)研究機(jī)構(gòu)和企業(yè)的發(fā)展的大趨勢所在。

Q4.市面上已有不少語音轉(zhuǎn)寫產(chǎn)品，主要以軟件或者在線識別為主，離線和在線有何區(qū)別差異？

我們生活中其實(shí)已經(jīng)在不知覺中接觸了不少的語音轉(zhuǎn)寫產(chǎn)品，例如一些手機(jī)的輸入法或者游戲中的語音翻譯。但是可以看到，基于單個APP類的產(chǎn)品雖然適用終端非常廣泛，但是識別率和適應(yīng)性是不具備專業(yè)化要求的。更加嚴(yán)謹(jǐn)?shù)膱龊闲枰_、魯棒性更好的系統(tǒng)提供轉(zhuǎn)寫服務(wù)，如正式的新聞發(fā)布會，高頻、長時間的轉(zhuǎn)寫出別字錯字將會極大降低觀感和體驗。

以上是軟件端的局限性，由于設(shè)備和適用環(huán)境的不同，對本身的產(chǎn)品性能要求并不高。而要求更嚴(yán)格的會議場景通常會適用專業(yè)會議設(shè)備配套語音轉(zhuǎn)寫系統(tǒng)去完成轉(zhuǎn)寫記錄任務(wù)，這也有區(qū)別，目前主流的方式是私有云和公有云識別服務(wù)。這兩者的異同也較大，在線（公有云）優(yōu)勢在于：消費(fèi)者使用方便，不限制命令詞，廠商開發(fā)方便，市場方案很多選擇，BAT巨頭都有參與布局，提供接口可任意定制。但是它的劣勢也比較明顯：需要聯(lián)網(wǎng)，對接云端，這對信息保密要求高的企業(yè)或者單位個人都是不便的。響應(yīng)速度慢，成本高。一般都是以并發(fā)時長或者引擎能力（中英文、角色區(qū)分）或者調(diào)用次數(shù)收費(fèi)，雖然初期成本投入較低，長期使用則不然。

離線（私有云）的優(yōu)勢在于：響應(yīng)速度快，一般在幾百毫秒內(nèi)，可快速響應(yīng)對應(yīng)命令詞指令。即是識別系統(tǒng)故障也不會影響其他系統(tǒng)的使用，由于使用的私有服務(wù)器也不用擔(dān)心數(shù)據(jù)外泄，且對工程師而言，小模塊畫板更便捷。當(dāng)然這種形式的產(chǎn)品也有一定局限，如詞條限制，這和服務(wù)器容量與模型訓(xùn)練能力有關(guān)。

Q5:目前語音轉(zhuǎn)寫技術(shù)主要運(yùn)用在哪些場合？

語音轉(zhuǎn)寫其實(shí)從字面上也很好理解其應(yīng)用場景和范圍，常見的需要做會議記錄的會議室或者演講報告廳、新聞發(fā)布需要實(shí)時轉(zhuǎn)寫字幕投屏的場景，都能用上語音轉(zhuǎn)寫技術(shù)，比如聲菲特智能語音轉(zhuǎn)寫系統(tǒng)，配合聲菲特手拉手系統(tǒng)或及數(shù)字音頻處理器系統(tǒng)，可實(shí)現(xiàn)各類型會議室的智能化會議記錄和會議紀(jì)要輸出，各類型保密單位，即聽即所見，可廣泛運(yùn)用于報告演講、活動交流、新聞發(fā)布中的字幕投屏。更加專業(yè)化的場景還包括了醫(yī)療方面的識別，如病歷錄入和特殊診斷病情溝通（如雙耳失聰患者），公檢法機(jī)構(gòu)相關(guān)的有庭審記錄，目前國內(nèi)在此方面案例已經(jīng)較為成熟。監(jiān)獄系統(tǒng)里的審訊室等等。民用方面還有不少新興場景和系統(tǒng)也正在整合語音轉(zhuǎn)寫技術(shù)，它真正的潛力還未完全展露出來。

Q6:聲菲特語音轉(zhuǎn)寫系統(tǒng)的特點(diǎn)和構(gòu)成是怎樣的？

聲菲特智能語音轉(zhuǎn)寫系統(tǒng)Cuckcoo使用場景是培訓(xùn)會議、重要會議投屏和庭審會議記錄、判決記錄等需要實(shí)時轉(zhuǎn)寫或者語音識別投屏的場合，但是由于它還具備特殊的離線轉(zhuǎn)寫并發(fā)流，因此也支持上傳錄音生成文本并導(dǎo)出的使用方法。這對于安裝了該系統(tǒng)的單位和企業(yè)來說，無疑是拓展了一項使用方式，即是是來不及搭建系統(tǒng)的環(huán)境，只要錄音保存而后通過聲菲特轉(zhuǎn)寫系統(tǒng)的處理也能生成對應(yīng)的會議記錄文件，極大方便了相關(guān)人員的整理工作。

主要特點(diǎn)是：1.安全：本地離線引擎，保證數(shù)據(jù)安全。2.精準(zhǔn)：轉(zhuǎn)寫在標(biāo)準(zhǔn)普通話語音識別和轉(zhuǎn)寫準(zhǔn)確率平均可達(dá) 98%以上，識別速度＜200ms，大大縮短人工記錄時間，支持語氣詞過濾，提高轉(zhuǎn)寫結(jié)果可讀性。3.網(wǎng)線連接，易于部署，接口齊全，功能豐富，交互友好，支持音頻播放音字對照，方便用戶快速校正，提取會議紀(jì)要，實(shí)現(xiàn)便捷會議錄音管理。4.靈活：支持熱詞優(yōu)化、敏感詞約定，提升特定行業(yè)詞匯識別率。

系統(tǒng)構(gòu)成拓?fù)鋱D：