Może to zabrzmi jakbyśmy żyli w świecie SciFi, ale sztuczna inteligencja jest już wokół nas. To fakt. Za każdym razem, gdy otwierasz aplikację mediów społecznościowych, sztuczna inteligencja personalizuje to, co widzisz na swoich kanałach. Za każdym razem, gdy mówisz "Hey Siri", sztuczna inteligencja pozwala Twojemu telefonowi zrozumieć, o co pytasz.

Transkrypcja AI to kolejny przykład wykorzystania sztucznej inteligencji w życiu codziennym. Czym jednak dokładnie jest transkrypcja AI? Skąd się wzięła, jak jest używana dzisiaj i jak prawdopodobnie będzie używana w przyszłości? Odpowiedzmy na niektóre z tych palących pytań...

Transkrypcja AI to wykorzystanie sztucznej inteligencji do konwersji mowy na tekst. Zamiast człowieka, który musi fizycznie robić notatki lub przepisywać nagranie audio, AI transkrypcja wykonuje pracę za Ciebie, słuchając Twojego audio i przekładając je na tekst.

Korzyści z transkrypcji AI (zwanej również rozpoznawaniem mowy, komputerowym rozpoznawaniem mowy lub automatycznym rozpoznawaniem mowy) są jasne i namacalne. Są szybkie – moc AI oznacza, że możesz otrzymać transkrypcję w ciągu kilku minut, jeśli nawet nie sekund. Pomyśl, jak to się ma do sytuacji, w której przepisywałbyś nagranie ręcznie...

Transkrypcja AI jest również zazwyczaj znacznie tańsza niż korzystanie z usług transkrypcji przez człowieka. To dlatego, że godzina transkrypcji audio zajmuje profesjonaliście około 4 godzin przepisywania a średnia cena wynosi 75 centów do $1,50 za minutę. To daje kwotę rzędu $45-$90 za godzinę transkrypcji audio. Dla porównania, godzina transkrypcji w Transcribe kosztuje zaledwie $2.

Można by się tu pokusić o poruszenie naprawdę techniczne kwestii, dlatego postaramy się przedstawić wszystko możliwie jak najprościej. Pomyśl o tym, jak dziecko uczy się języka. Codziennie słyszy ono mowę wokół siebie, co uczy jego mózg budowania połączeń między dźwiękami, słowami i ich znaczeniem.

Technologia rozpoznawania mowy działa w bardzo podobny sposób. Zaawansowane techniki uczenia maszynowego i przetwarzania języka naturalnego uczą komputery rozpoznawania dźwięków i tworzenia połączeń między tymi samymi dźwiękami, słowami i ich znaczeniem.

Oprogramowanie do rozpoznawania mowy słucha jej i porównuje to, co słyszy, z tym, co jest zapisane w jego obszernej bibliotece słów, wyrażeń i zdań, dzięki czemu może przekształcić to, co słyszy, w tekst. I oto mamy - transkrypcję AI!

AI nie jest czymś, co narodziło się z dnia na dzień - to coś, nad czym naukowcy pracują od dziesięcioleci. Przyjrzyjmy się krótkiej historii rozpoznawania mowy.

1952 - Pierwszy w historii system rozpoznawania mowy - nazwany Audrey - został zbudowany przez Bell Laboratories. Potrafił on rozpoznać dźwięk wypowiadanej cyfry (od zera do dziewięciu) z ponad 90% dokładnością, gdy wypowiadał ją jego twórca, ale był znacznie mniej dokładny w przypadku głosów, których nie znał.

Lata 1960 - Na targach światowych w 1962 roku IBM zaprezentował urządzenie Shoebox, które potrafiło zrozumieć 16 mówionych angielskich słów. W tej samej dekadzie Sowieci stworzyli algorytm zdolny do rozpoznania 200 słów. Wszystko to opierało się na dopasowywaniu poszczególnych słów do zapisanych wzorców głosowych.

Lata 1970 - Program realizowany na Carnegie Mellon University, finansowany przez Departament Obrony USA, opracował system Harpy, który dysponował słownictwem ponad 1000 słów. Największym przełomem było to, że potrafił rozpoznawać całe zdania.

Lata 1980 - IBM stworzył aktywowaną głosem maszynę do pisania o nazwie Tangora, która posiadała słownik składający się z 20 000 słów i wykorzystywała statystyki do przewidywania i identyfikowania słów.

Lata 1990 - Na samym początku dekady firma Dragon Systems wypuściła pierwszy konsumencki produkt do rozpoznawania mowy - Dragon Dictate. W 1997 roku firma wydała uaktualnienie o nazwie Dragon NaturallySpeaking. Był to pierwszy produkt do ciągłego rozpoznawania mowy, który mógł rozpoznawać mowę z szybkością 100 słów na minutę. Zabawny fakt: jest on nadal używany!

Od roku 2000 - Technologia AI przekształcająca mowę-na-tekst przeszła ogromną drogę w ciągu ostatnich kilku dekad, z Google wiodącym prym dzięki swojemu produktowi wyszukiwania głosowego, oraz takimi firmami jak Apple, Amazon i Microsoft, które również dają z siebie wszystko w tym temacie.

Transkrypcja AI jest dziś wykorzystywana na wiele sposobów. Od dyktowania wiadomości swoim przyjaciołom i rodzinie, po proszenie Siri o wykonanie dla Ciebie wyszukiwania w Google. Istnieją duże szanse, że już korzystasz z transkrypcji AI w taki czy inny sposób.

Transkrypcja AI jest również popularna wśród szerokiego grona odbiorców, jeśli chodzi o uzyskanie pisemnej transkrypcji spotkań, wykładów, wywiadów i podcastów:

• Przedsiębiorstwa używają jej do otrzymywania pisemnych notatek ze spotkań, konferencji i połączeń Zoom.

• Placówki naukowe wykorzystują transkrypcję dogenerowania notatek z wykładów które mogą udostępnić swoim studentom, a także uzyskać transkrypcje wywiadów, które przeprowadzili w ramach swoich badań naukowych.

• Studenci korzystają z transkrypcji, aby zaoszczędzić sobie kłopotów z robieniem notatek podczas wykładów i seminariów, otrzymując pisemne transkrypcje w ciągu kilku minut od zakończenia zajęć, które mogą wykorzystać do celów weryfikacji i korekty.

• Podcasterzy używają transkrypcji, aby opublikować je obok swoich podcastów.

• Dziennikarze wykorzystują ją do uzyskania notatek z wywiadów i konferencji prasowych, a także do dodawania podpisów do wywiadów wideo.

Przyjrzyjmy się niektórym danym.

Według Statista, e-learning i badania rynku to dwie główne branże wykorzystujące transkrypcję AI, ze wskaźnikiem wykorzystania na poziomie 64%. Ściśle podąża za tym branża oprogramowania i Internetu oraz branża reklamy i marketingu.

Przewiduje się, że wielkość globalnego rynku rozpoznawania głosu wzrośnie z $10,7 mld w 2020 do $27,16 mld do 2026, a transkrypcja AI nieuchronnie skorzysta z tego wzrostu. Wraz ze wzrostem inwestycji, możliwości AI i uczenia maszynowego będą się doskonalić w miarę upływu miesięcy i lat. Transkrypcja AI będzie nadal stawać się szybsza, dokładniejsza i bardziej dostępna, dzięki czemu będzie coraz bardziej popularna wśród tych, którzy obecnie korzystają z ludzkich usług transkrypcyjnych lub metod transkrypcji typu "zrób to sam".

Im bardziej rozwinięte będzie oprogramowanie AI, tym lepiej będzie można zrozumieć różne akcenty i rozróżnić poszczególnych mówców. Może ono nawet być w stanie przeprowadzić analizę tematu i stworzyć streszczenia.

Ostatecznie, transkrypcja AI będzie nadal czynić spotkania bardziej produktywnymi, zwiększać wydajność w miejscu pracy i umożliwiać firmom i osobom fizycznym konwersję mowy na tekst – szybko, tanio i dokładnie.

Chcesz już dziś sprawdzić, jakie korzyści może przynieść Ci transkrypcja AI? Pobierz aplikację Transcribe lub uruchom edytor online, aby rozpocząć.

Autor:Katie Garrett