【产品建议】【语音识别】

一、需求描述

相信很多人在参加会议、讲座等情境下，都会下意识的利用手机、录音笔等工具进行录音，后期会对录音内容进行重听，摘取重要内容进行笔记。如果能够一款产品，可以直接对录音文件进行语音识别，返回文字内容，并可以保存到云端，多平台共享使用，相应会受到很多人的欢迎。

前段时间，看了讯飞智能录音笔的发布，感觉百度其实完全可以结合现有的技术，做出一个简单的功能类似的“智能录音”APP，当然，做出一个类似的成品也是可以的，不过成品的话，涉及到硬件方面的知识，这方便我不太熟悉。这里，我就如何结合百度相关现有技术，做出一个类似功能的“智能录音”APP提供建议。

讯飞智能录音笔主要有三方便的功能：

（1）、语音转写识别。

（2）、英文录音，智能翻译。

（3）、语音搜索，多平台同步、分享、编辑。

根据我的理解，这里面主要用到了这几个技术：语音识别技术，文本翻译技术，和云同步技术。如果论单一功能，百度都有对应的产品了：百度语音、百度翻译、百度网盘。

如果百度能够结合这几种产品技术，就可以开发出一个利用手机录音的“智能录音”APP了，如果能进一步结合相关硬件，就可以开发出一个类似讯飞智能录音笔的百度智能录音笔了。

二、产品建议

（1）具体思路：

1、手机录音，生成录音文件。

2、上传录音文件，存到百度网盘。

3、利用百度语音识别技术，将存放在百度网盘的录音文件进行语音识别，生成对应的文字内容。

4、如果语音为英文，生成英文文字内容，再用百度翻译功能，将英文翻译为中文，进行关联存储。

5、如果需要其他语种的文字，也可以运用百度翻译功能，将语音识别后的文字进行翻译。

6、对识别后的文本，可以进行相应的分享、编辑操作。

7、语音搜索，则可以先用百度语音识别技术，识别出语音文字，然后利用文字在用户的相应百度网盘录音文字文件内进行搜索，返回相应的结果。

（2）优化功能：

1、参考百度音乐的歌词歌曲时间同步功能，如果能将录音文件和识别结果文字文件也进行同步：拉动文字，可以播放对应时间段的录音信息，或者拉动录音显示对应时间段的文字内容，那效果会更好，也方便进行编辑纠错。也可以在此基础上，运用百度翻译功能，实时翻译文字，显示另一语种内容，那就可以当成一个语种翻译学习APP用了。

2、结合文本纠错技术，提高语音识别的准确率。

3、结合新闻摘要技术，自动提取录音文字摘要。

4、录音文件过大问题：可以控制录音文件在一定大小范围内，也可以使用语音剪辑技术，自动将录音文件分割成相应大小的录音文件片段，再进行相应的语音识别，最后合成识别结果，关联原始录音文件。

5、录音时间过长问题：同2，可以使用语音剪辑技术，自动将录音文件分割成相应时间长度的录音文件片段，对片段录音文件进行语音识别，最后合成识别结果，关联原始录音文件。

6、如果能采取语音实时识别技术，只要识别速度够快，可以当做半个翻译器用了。