人工智能將取代傳統的轉錄服務(wù)嗎？

幾乎你能想到的每個(gè)行業(yè)都在捫心自問(wèn)，隨著(zhù)人工智能 （AI） 及其相關(guān)技術(shù)的成熟，未來(lái)將會(huì )是什么樣子。轉錄服務(wù)就是一個(gè)很好的例子，技術(shù)的目的是提高翻譯和其他復雜任務(wù)的人的能力。

然而，即使是我們今天擁有的最好的技術(shù)，也遠遠不足以理解人類(lèi)的語(yǔ)言，以準確地在另一種語(yǔ)言中捕捉到相同的含義。

那轉錄服務(wù)呢？一臺機器所需要做的就是識別和復制人類(lèi)的語(yǔ)言（用同樣的語(yǔ)言），即使它不能完全理解它。微軟已經(jīng)聲稱(chēng)微軟自己的轉錄服務(wù)技術(shù)比人類(lèi)好，那么人工智能是否已經(jīng)準備好取代傳統的轉錄服務(wù)呢？

傳統轉錄服務(wù)的終結？

去年晚些時(shí)候，微軟大膽宣稱(chēng)，它的轉錄服務(wù)人工智能現在比人類(lèi)專(zhuān)業(yè)人員要好。這聽(tīng)起來(lái)確實(shí)像是一個(gè)突破性的聲明，但我們已經(jīng)習慣了谷歌和它的技術(shù)競爭對手做出的這樣的重大承諾-可以說(shuō)，大多數承諾都沒(méi)有達到預期。

在微軟的例子中，它雇傭了第三方服務(wù)來(lái)轉錄一段音頻。兩人流程的錯誤率分別為 5.9% 和 11.3%，而微軟的錯誤率分別為 5.9% 和 11.1%。

所以，很明顯，微軟的轉錄服務(wù) AI 有它的優(yōu)點(diǎn)。我們不太了解微軟為這項測試雇傭的團隊，也不知道它使用的錄音，但它的轉錄技術(shù)似乎與某些環(huán)境中的人類(lèi)不相上下。

轉錄服務(wù)技術(shù)的挑戰

就像任何一種語(yǔ)言技術(shù)一樣，有一些獨特的挑戰需要考慮。雖然人類(lèi)天生就能將語(yǔ)音與背景噪聲區分開(kāi)來(lái)，但機器卻不能享受同樣的特權——這是這項技術(shù)面臨的一大挑戰。

還有其他一些技術(shù)還沒(méi)有學(xué)會(huì )克服的問(wèn)題（至少現在還沒(méi)有）：

多人通話(huà)

確定個(gè)別發(fā)言者

多人同時(shí)說(shuō)話(huà)

理解語(yǔ)境（諷刺、反語(yǔ)等））

理解口音

理解俚語(yǔ)、口語(yǔ)和文體

了解非母語(yǔ)人士

翻譯成其他語(yǔ)文

談話(huà)中的細微差別（如：“呃”、停頓等）

因此，一個(gè)人在安靜的房間里講話(huà)的清晰錄音與記錄多個(gè)民族之間激烈辯論的錄音之間有很大的區別。轉錄服務(wù)技術(shù)已經(jīng)開(kāi)始證明它的價(jià)值，但是它并沒(méi)有為傳統的轉錄服務(wù)提供直接的競爭。

不是機器和人類(lèi)的較量

大多數人工智能的討論都圍繞著(zhù)技術(shù)與人性這一概念展開(kāi)。然而，人工智能轉錄服務(wù)的未來(lái)遠不那么具有啟示性。這項技術(shù)并不是用來(lái)取代人類(lèi)的，因為它與專(zhuān)業(yè)轉錄人員有不同的長(cháng)處和短處。

當轉錄服務(wù)技術(shù)與音頻質(zhì)量、復雜的對話(huà)和人類(lèi)對話(huà)的各種性質(zhì)作斗爭時(shí)，它永遠不會(huì )感到疲倦，不斷地學(xué)習，而且能夠比忙碌的人類(lèi)轉錄團隊犯更少的錯誤。

即使人工智能轉錄算法只達到 50% 的準確率（由于上面列出的任何原因），人類(lèi)也不需要擔心 50%。更好的是，如果同樣的算法能夠匹配或擊敗人類(lèi)的準確性，專(zhuān)業(yè)的轉錄人員可以集中精力編輯剩下的幾個(gè)錯誤，并提高最終轉錄的總體精度。

每個(gè)人都是贏(yíng)家。

隨著(zhù)機器學(xué)習和人工智能的出現，語(yǔ)音科學(xué)無(wú)疑正以快速的速度發(fā)展。然而，在語(yǔ)言服務(wù)行業(yè)中，幾乎沒(méi)有人能想象在不久的將來(lái)，這項技術(shù)將取代人類(lèi)的專(zhuān)業(yè)技術(shù)。然而，我們所期望的是 AI 平臺在不影響質(zhì)量的情況下幫助我們做更多、更快的事情。