Google正在開發的音頻轉換技術，距離實踐尚有多遠的路？
Hins Chan • March 1, 2021
請給我們一點支持，關注我們的Facebook Fanpage @Squaredigitalhk ，好讓我們撰寫更多優質文章。
音頻搜索（Audio）不只是關於透過口述將語音轉換成搜索關鍵字而已（那只談得上為語音搜尋），這裡所指的還包括音訊網站內容的搜尋。Google公佈了有關正在進行的早期測試的細節，以研究將來進行音頻搜索的可能。
Google正在和公共電視台KQED合作，透過雙方的共同努力，使不同的語音更容易被機器所辨識，達致音頻搜尋普及化。在AI服務提供商KUNGFU.AI贊助下，Google和KQED進行了測試，以找出如何快速而正確地將音頻錄製和處理。Google發布的早期測試結果表示，音頻搜索比很多人想像中更難完成。
音頻搜尋的難度所在，在於儀器收錄語音內容後，必須先將內容轉換為文字，方能進行搜索和分類。雖然我們在使用手提電話時常常會用到語音輸入，但其準確性和速度依然遠低於日常應用的標準，可以想像以相若水平的「語音轉換成文字」的能力，分辨影音檔內容時，其潛在誤差可以有多「恐怖」。KQED的Oslon指出，索引新聞時，音頻轉換成文字的準確性要求尤其高，迄今為止，語音轉換成文字的進步水平尚未符合這些標準。
Google和KQED及KUNGFU.AI透過應用最新的語音轉換文本工具，對一系列新聞聲帶進行測試，結果顯示AI在識別特定專有名詞時，發現了它的局限性。識別專有名詞講求準備識別上下文的理解，而AI並非每次都能夠如此。Oslon一舉例，以CHP作為「California Highway Patrol」的簡寫、以Peninsula代表三藩市到聖荷西一帶，這些代號和簡寫，AI人工智能很難識別這些。
當AI無法理解所收錄到的內容，便會對所講的內容做出猜測，試圖給予最佳方案。 但是，對網絡搜索而言，這種欠精密的解決方案是不可接受的，因為錯誤的內容，可能會令翻譯出來的內容亂七八糟，所有含義都被改變。
那麼，Google接下來會如何處理？
音頻搜索工作將繼續進行，並計劃在技術開發後使其廣泛使用。
Google新聞與出版合作夥伴負責人David Stoller表示，該項目的工作完成後，將公開共享該技術。
「Google新計劃的核心價值之一是針對難題解決新方法。 完成後，將公開分享有關的技術和相關的實驗例子，從而大大擴展其潛在的影響力。」
KQED的Olson說，當今的機器學習模式，無法從錯誤中自行學習和修正，這是人類可能需要介入的地方。下一步，KQED新聞編輯室將通過識別常見的轉錄錯誤，來幫助改善人工智能的自學模型。
雖然研究語音搜尋之路並非一帆風順，團隊對於其發展還是樂觀的，相信有關技術「最終幫助人們更有效地找到音頻新聞」。
如果你覺得我們寫的文章有用，請幫我們分享一下。
一些YouTuber之所以受歡迎，在於其出眾的主持技巧。雖然你也許很想成為那樣的人，但不代表模仿他們便能帶來成功。須知道形象可以營造，但不可以假冒。若希望仿效對象的風格跟你本人根本不搭，只會弄考成拙。這個時代拍攝節目，在乎一個「真」字而已。踏實地經營內容，風格漸漸自然生成。
這些平台的特色，在於餐廳菜單、資訊格式的高度一致性。餐廳變相可以推銷的空間就只有食物宣傳照、餐單內容和折扣。避免使用網上圖庫買回來的stock photo，以實物照片作宣傳照，給予客人信心；菜式內容亦需清晰，並配合菜式描述以吸引客人嘗鮮。
雖然在COVID-19疫情開始前，已經有不少商家嘗試舉行線上活動，不過線下的實體活動對不少企業來說依然具吸引力。可是，到了不得不轉型的今天，我們也許可以先了解一下，活動轉換成線上形式背後牽涉的成本和考慮。