 前几天，有几位老师提出了这个问题，会议一结束，上级的讲话就立即形成文档。如何形成。 我写了这样一个回答。 开会如何高效？ 在回答中，我强调的一个理念就是：如果想在会议记录的角度引入更高的效能，录音转文字是唯一的办法。 这是因为： 一方面，在开会尤其是一些脑暴会的时候，如果全身投入，就肯定没时间记录重点。如果你抱着电脑或者本子边开会边记录，那么会议的投入质量又绝对会大打折扣。 另一个方面，如果你采用录音的方式，虽然看起来解决了会议中专注度的问题，但本质上是将导致会议低效的那一部分因素后置，动辄几小时的录音回放是非常低效。 在那个回答里，在如何高效的将录音转化成文字的体验中，我分享了一个多月来，我使用搜狗AI录音笔的实际体验。 可以说它直接解决了这个问题中提到了“长时间的会议录音如何快速转化成文字？”这个痛点。 作为一款录音笔，在我看来它最牛逼（吹到破音）的特性在于，可以一边录音一边转化，将录制的音频直接转化成文字。 我简单聊一下使用中的体验。 首先说大小。  和很多智能硬件一样，搜狗的这款录音笔也有一个安装在手机上的客户端。 这里有一个点要注意，如果你在录音笔端，用按键的方式直接启动录音，那么这个音频会直接储存。但如果你是通过打开App来开始录音的话，则有以下几个选项，可以根据不同的需求（其实主要是收音考虑）来选择。 录制开始后，软件就会实时的进行ASR的音频转文字。 我测试了一段，大家可以看一下效果。 测试的环境是我家里的书房，我太太在客厅看电视，有微弱的噪音。我采用中速录音，说的是比较随意的东北普通话。 大家可以看到最后一段，“岩石和功能”其实是我说的“严丝合缝”。 也就是说，录音笔在做音频向文字的转化的过程中，做不到百分之百的成功率，我看了下这块的参数，大概准确率是95％。 这个准确率已经足够用了，因为即便出现了你看不懂的转化后的文字，还有音频文件可以作为第二保险。 并且，针对问题中提到的“会议录音可能有多人会话，语速各不相同，口音可能也不同”的问题，我也做过测试： 当录音笔识别到不同的人声的时候，会自动做分行，能够保证在录音转成文字的过程中，不会产生歧义。 同时我也做了方言和普通话之间的对话测试。我用普通话，我太太用湘西话。测试结果是不光可以做到人声分行，同时湘西话在录音转文字时的识别率，甚至也能达到95％左右。 但必须客观的说，湘西话的口音比较接近重庆那边，并不是特别难懂的方言，正常人也能听懂六七成。我暂时没有找到浙江或者福建那边的朋友来做测试，大家有兴趣的话，可以测试下。 如果你和我一样，经常性的有长时间的会议或者采访需求，那么像搜狗AI录音笔这样的可以实时实现音频转换文字功能的录音笔，其实真的是一个刚需。 在ASR音频转化上，这个录音笔在其他表现上也提供了几乎满分的安全感，几种录音模式，收音和文字转化效果都很好，基本都不会低于参数上标称的95％； 作为一个前通信行业硬件开发者，一个科技界的产品经理，我再一次由衷的感谢科技，让我们的生活变得越来越好。 最后： 这些年每当我面对这种和生产力相关问题的时候，我总是会选择相信科技。比如拿开会记录来说吧，你难道要不断练习自己的快进和快退的手速来更快的抓取信息吗？还是为了要用更高的倍速来播放音频，你苦练自己的耳力？ 其实都不需要，你只需要等待科技不断地发展与升级。 |
|
|
