我们都知道有这样一种职业叫速记速录师!会议现场，嘉宾访谈网上直播，庭审现场，询问笔录现场，消息采访现场，影视字幕文字制作，电话同声实时记载，远程在线同步记载等等，都离不开他们的身影!

　　他们的工作就是实时采集语音信息，同步生成电子文本供给给大家。一个人正常讲话的语速为每分钟160至180个汉字左右，而一个速记速录员的速度可以达到每分钟220-300字，而且其正确率不低于98%。一个高级速记速录师的功力就更深厚，每分钟可达684字。供给如此优质服务，势必也拥有不菲的价格，声音材料收拾每小时的收费价格400至600元，现场会议大屏幕投影的实时转录，大概是每小时800元的价格。

　　其实，对于这种自然的利用处景，通过语音辨认技巧来解决是再好不过的选择了，我们人类完整可以从这种复杂的简略脑力劳动中解放出来。那么语音辨认技巧现在能否做到这一点呢?

　　微软高级科学家，从事语音辨认技巧已有30余年的黄学东专家说“10年前，语音辨认的毛病率高达80%！如今，我们将毛病率从80%之高降到了仅有8%!如果我们在未来两三年内一直保持这种态势，奇迹必定会产生”。这也就表明，在原有的声学模型的基础上，加上大数据的助力，以及近年来人工智能的发展，语音辨认方面已经取得了质变的成果。

　　今天，对于中文的语音辨认，市面上从事语音辨认业务的公司基础上都可以做到正确率在90%以上。也就是说，我们拿着麦克风来讲话，普通话标准的情况下，语音辨认的基础上完整可以辨认我们在讲什么，而且辨认毛病的概率已经很低了。

　　目前，许多音视频字幕的制作，小型发布会的现场记载等，语音辨认技巧完整可以利用，并真正的产生价值。然而，所有的这些利用，速录公司，都是有必定的毛病冗余度的，而我们愿意吸收应用这种程度的语音辨认技巧的前提是，北京速记，我们可以容忍必定毛病的存在。

　　一个小型发布会的现场上，主持人字正腔圆，语音辨认率可以达到98%以上;当嘉宾开端讲话时，由于方言、口音、平翘舌有误、语音重叠、含混不清、新词汇的涌现，语音辨认就会涌现问题;当嘉宾开端应用复杂的逻辑思辨能力，科学深奥的复杂长句、跳脱的方法进行论证时，没有对语义的推测，语音辨认的正确率也立刻降落。

　　所以，发布会上，还是需要配备工作人员实时的进行检查、纠错和校订。也就是说语音辨认技巧还达不到人类的标准，还是需要人工转录员的校订。当然，这里 我们还仅仅指的的是固定的普通话人群和近场环境，其他情况成果更堪忧。

　　很多人都有疑问，从去年开端，现场速记，人工智能得到了前所未有的关注，从马斯克、霍金等大佬对人工智能的勇敢预测，到《超能陆战队》、《钢铁侠》、《机械姬》、《美国队长》等电影中涌现的能人工智能角色，再到举世注视标人机围棋大战，以及微软、谷歌、Facebook等科技巨头在人工智能领域发布其傲人的研究成果， 可以说人工智能承载了我们许多期望和想象。

　　然而，当人工智能真正回归产业、产品和用户需求时，我们除了那些科幻式的畅想和预测，还需要懂得，基于现有的研究进展，人工智能到底可以给我们带来什么真正有价值的东西，如何赞助我们解决哪些切实需求?当然，当深度神经网络的大的训练平台出来，已经为我们的语音辨认带来了质的飞跃，然而想从90%飞跃到99%，却还是需要很长的路要走。那我们该向哪个方向走？