隨著語音識別技術的發展，速錄員是否會在未來某天瞬間失去用武之地？

01-08

正在學習速錄，對行業前景產生了一些疑慮，這一所謂的「朝陽行業」是否實際上卻正在走向末路呢？

學界仍然在糾結large-vocabulary continuous speech recognition (LVCSR)，也就是隨便一個人，幾乎隨便說什麼，不指定背景雜訊，也幾乎不指定內容——現在在一些數據集上效果還不錯，但遠沒到可以投產的地步。

但可以遇見即將取代大量人工的是個人助手和分流接線員：siri等人工助手在比較簡單的任務上已經相當靠譜，而電話銀行領域很多米國銀行已經開始試水對話式自動接線員了，效果也還不錯。但還是要強調的是，這裡的語音識別系統面對的辭彙量小、輸入基本可以預見（比如系統會引導你說自己的卡號、需要的服務等等），在更複雜的問題上語音識別和人類還有很大的鴻溝。

感謝邀請。近幾年語音技術確實發展非常快，但是對於非特定人的連續語音識別準確率仍然需要很大的努力，尤其是涉及到多人、語音環境不太安靜的情況，至少未來幾年內達到實用還非常困難，當然確實存在技術取代人的可能，哪怕暫時不能完全取代，人也可能變為技術的輔助，只做一些準確率檢查方面的工作。另外，對文字結果及時性、準確性要求很高的場合，速錄師會有長期存在的價值。

手機碼的，先答這麼多，希望對你有參考價值。

不會的，說會取代人的都是沒有實際上會經驗的，會場的情況真的是千奇百怪，經常做涉外會議的都知道，翻譯這個行業早就說會被替代，但是還是廣泛而且長期的存在，做涉外會議的都是從翻譯那聽，然後打。

所以我覺得翻譯沒被取代前，速錄完全可以放心。

還有就是，現在的所謂科技公司，為了圈錢，融資，啥都編。動不動就要取代傳統行業，要不就是革誰的命，這些都是他們工作需要，必須要這麼忽悠，要不就失去存在的價值了。都是出來掙錢糊口，互相包容吧。

現在的人工智慧，都是這樣，人工有多少，智能就有多少，模式識別就算現在很火很流行的深度神經網路，你提取規律的這個過程同樣無法偷懶，既然無法偷懶，那你涉及到不同行業的相關規律進行提取和訓練的工作同樣無法偷懶，那麼現在的演算法就不應該是一概而論的說是語音識別，一定要強調，「某個行業」和某個場景的語音識別，這樣才有實用的可能性啦，但是通常純科學的研究者如果自己發起的研究，又不可避免的會陷入貪大貪全的毛病，你說，是不是路子錯了？