別再用人工打逐字稿！AI語音辨識應用遠比你想像的更多

所謂的「人工智慧」(Artificial Intelligence)，是指以人工方式，來實現人類所具有之智慧的技術。語音辨識(speech recognition)技術，也被稱為自動語音識別(Automatic Speech Recognition, ASR)，可以透過電腦將人的語音內容自動轉換成文字，而這項技術早在1970年代就已被研究，但沒有被普及使用，直到蘋果iPhone 4S手機上市，它結合了人工智慧助理Siri，也帶動了許多美國企業相繼推出語音助理，例如：亞馬遜Alexa、LINE的Clova、微軟的Cortana以及谷歌的Google Now。

語音辨識主要的應用概念是訓練一個AI模型，去偵測聲音並傳遞文字訊息，或將語意理解後轉成命令來控制智慧裝置，讓我們的生活變得更加便利，目前有許多大企業看好語音辨識的應用市場，都想投入這塊領域。現在AI語音辨識功能已普遍用在智慧音箱、電視、保險業、急救市場以及客服、文書、會議記錄等不同的領域，滿足個人消費市場與各個產業所需要的技術。

日本許多企業及公家機關為縮短文書作業時間，已經開始利用AI語音辨識功能來分析說話者內容，並自動轉化成逐字文字檔。日本電信NTT集團的NTT出版與NTT TechnoCross合作，運用雲端語音資料轉換為文書資料的深度學習人工智慧，可將30分鐘的演講在30分鐘內即時轉換為文字資料。另外還有知名電機大廠Toshiba，也開發了能做會議紀錄的系統，他們則強調逐字稿正確率可達到85%，且該系統還能夠辨識不需要的發語詞或重複字句。

台灣本土研發的企業級視訊會議平台「Lale Meet」，透過與EZ LIN-U的技術整合，實現AI會議逐字稿即時生成功能，有別於其他逐字稿系統，需要等會議結束後再將錄音檔案上傳才能產出文字，或是需要安裝額外的軟體，Lale Meet這項內建功能可在開會時，即時分析各個與會者的發言內容，再自動將聲音轉換成文字逐字稿，除了能在高品質且安全的環境下進行會議，也讓使用者可以同步進行會議紀錄，提高文書作業效率。

有許多的成功案例，都證明了 AI 人工智慧在各個領域中所存在的價值，若能將機器學習和認知互動用於傳統業務流程和應用程式，就可以大幅改善使用者體驗並提高生產力，透過科技的力量，讓我們能更輕鬆、更專注在自己的工作上。

文章出處 : Lale快報