還在用人工聽打？讓您6小時快速學會AI聽打

-

「速學Python語音轉字檔Workshop」（課程優惠實施中）

在這AI爆炸的時代，似乎什麼都要來AI一下，不會AI技術好像就落後了一樣，但以現實狀況來說，對於不懂AI技術但又有商業或立即性需求的人來說，根本無從下手。好在Google在近年提供了AI雲端相關服務，讓對AI需求者可以透過Google API，套用深度學習工具，快速產出可交付成果。

這些深度學習的工具概括了:
  • 自然語言處理
  • 語音辨識
  • 影像處理
  • 及時語譯

等等…不勝枚舉的應用，有關更多資訊可以參考Google機器學習。

而有鑑於我周遭朋友，如：記者、公關、研究生、演講者、聽打者與語音轉文字的需求者對逐字稿「聽打」的需求與日俱增，我們便深入研究AI聽打的可能性。經過數些時日的研究與編程，我們特地將Google聽打機器學習的複雜的流程優化成一組組的Python套件，讓我們能以簡單易懂、事半功倍的方法讓機器實行「AI語音轉文字」。

不僅如此，我們還發現實用該方法的幾項好處:


  1. Google平台有贈送價值$9,000元新台幣的語音轉字稿額度，讓我們可以輕鬆使用Google API的服務，換算下來，共約有200小時的免費額度，讓AI聽打使用無負擔，同時也省下不少成本!
  2. 共1個小時的錄音檔，只需要花費9分鐘就可以完成!(如果錄音取樣頻率為16KHz)，就算是高音質錄音檔(取樣頻率48KHz)，也僅要花大約25分鐘左右的時間就可以精確完成! 相較於人工處理的方式，要自己花 3小時批打 30 分鐘的逐字稿內容，這樣比較起來，AI聽打絕對是不錯的選擇!
  3. 使用Python，我們搞定了語音檔與逐字稿的對應分鐘數，這往往是我們是花我們要從錄音檔中一個個去聆聽才能知其內容的成本，用Python輕鬆搞定~!
  4. 將影片語音檔進行AI聽打，省力、省成本。許多公司或個人都會有影片上字幕的困擾，可以先使用AI聽打 + 對應分鐘數，節省聽打前製0–1人工打字幕的前置作業。
  5. 情感資源分析，讓公司或個人能透過網路評論或者語音檔，立即知道客戶情緒，或者進行週及月不同情緒上的關鍵字詞。
  6. 自動化字稿備份，讓解譯出來的文字稿能夠立即自動化上傳google雲端，做好備份保存。

深度學習工具，實踐AI聽打功能，部分Demo
更多內容，請歡迎參加我們的課程，學會更多!


AI聽打範例，雖然無法百分百正確，但至少節省了從0到1的人工聽打

AI聽打字詞正確矩陣，不但附上每個段落的時間，還附加改善順序，供人工聽打改善參考

除此之外，更重要的是，
我們還發現，「錄音是有秘訣的」。如果要進行AI聽打，在收音上是有訣竅的!

而上述所提，我們都將他精煉出一個個現學現賣、熱騰騰的程式模組，如果讀者有興趣，歡迎至「速學Python語音轉字檔Workshop」中查看詳細資料! 我們針對早鳥及台科師生校友都有課程優惠價格喔!

導入AI聽打解決方案… 更具體的效果評估？
話又說回來，AI聽打跟我有什麼關係? 讓我們以打字行、數位媒體製作公司舉例之:

對數位媒體的影響
如果您是有接數位媒體影片製作經營者，連同字幕檔案也要上上去，我們以一小時影片檔案估算

原本的經營模式:
成本:1300元/人1小時 
假設處理完1小時錄音檔案該數媒專員連帶處理，要花我2小時
人工成本: 1300*2  = 2600元(不考慮其他營業成本)
使用AI聽打:
成本:1300元/人1小時
AI聽打成本:45元/1小時
假設處理完1小時【ＡＩ處理過】的錄音檔案給該數媒專員連帶處理，要花我1.3小時
稅前淨利: 1300*1.3-45 = 1645元(不考慮其他營業成本



使用AI聽打預處理 + 人工相較於全人工處理，一小時成本省了2600–1645 = 955。假設一個月生意是100小時影片，那就差了新台幣95,500元，可見有使用AI聽打與純人工的狀態下，試算出來的利益空間還真是可觀。

對打字行的影響
如果您是打字行的經營者，我們以一小時錄音檔簡單計算使用AI聽打及不使用AI聽打的營收與成本為例:

原本的經營模式:
營收:1600元/1小時
成本:1150元/人1小時 
假設處理完1小時錄音檔案給專業人士來處理，要花我1.3小時
稅前淨利: 1600 - 1150*1.3  = 105元(不考慮其他營業成本)
使用AI聽打:
營收:1600元/1小時
成本:1150元/人1小時 
AI聽打成本:45元/1小時
假設處理完1小時【ＡＩ處理過】的錄音檔案給專業人士來處理，要花我0.小時
稅前淨利: 1600 - 1150*0.9-45 = 520元(不考慮其他營業成本)

使用AI聽打預處理 + 人工相較於全人工處理，一小時淨利增加了520–105 = 415。假設一個月生意是300小時，那就差了新台幣124,500元，可見有使用AI聽打與純人工的狀態下，試算出來的利益空間還真是可觀。

如果對AI聽打有興趣，歡迎至
「速學Python語音轉字檔Workshop」
速學Python語音轉字檔Workshop
您還在找逐字稿「聽打」公司，花1500–2000元/1小時錄音檔的費用嗎?tmrgood.kktix.cc

查看詳細資料! 我們針對早鳥及台科師生校友都有課程優惠價格喔!

作者：
鍾皓軒（臺灣行銷研究有限公司 共同創辦人）

留言

張貼留言

這個網誌中的熱門文章

淺談資料類型 — 初級資料與次級資料

-
圖片
搜集行銷資料是一件很耗時費工的事，更重要的是，它還可能很「花錢」。在進行行銷資料科學之前，先來看一下資料的另一種分類方式「初級資料」與「次級資料」。 1.初級資料 初級資料（primary data）是由研究者主動自己收集的資料（第一手），例如：自己所進行的市調。舉例來說，行銷研究中常會調查消費者的態度、認知、意圖、動機與行為。在傳統的行銷研究裡，常見的初級資料蒐集方法包括：面談法、問卷法、觀察法、實驗法…等，如圖1所示。 圖1 、初級資料的蒐集方法 。 繪圖者：周晏汝 而在行銷資料科學中，初級資料的蒐集方法還包括網路探勘（Web Mining）等，詳細的內容於往後再陸續介紹。 2.次級資料 次級資料（secondary data）是指間接取得別人所整理的資料（第二手），例如：引用政府開放資料。次級資料是相對於初級資料所命名，雖然次級資料在字面上看起來像是二手數據，但所謂的「二手」，並不像現實世界中的「二手車」，是已被他人使用過的那種意思。 次級資料一般分為「內部次級資料」與「外部次級資料」，如圖2所示。次級資料的蒐集成本通常較低並且有效率，但所獲得的資料卻未必適合企業自身所需。 圖2 、次級資料的種類。 繪圖者:周晏汝 （1）內部次級資料 內部資料成本低而且取得容易，同時符合企業所需，故內部資料為次級資料的重要來源。內部次級資料包括：銷售資料、生產資料、財會資料、人資資料…等。 （2）外部次級資料 資料本身並非為特定問題或研究而蒐集，可能是因其他的研究或報告而已被彙整成為檔案。例如政府或企業的出版品或報告。常見的外部次級資料包括：政府機構的統計資料、公會、協會、學會、媒體業、學術機構、行銷研究機構之產業報告、調查報告、研究報告…等。 「次級資料」通常有一定的限制。例如不同機構收集的資料可能無法比較。換句話說，資料收集不會採用統一的基礎，或者來源不完整，又或者收集的目的不是為行銷研究所專用。有關次級資料進一步的闡釋，將於下一篇文章中進行介紹。 羅凱揚（台科大兼任助理教授）、蘇宇暉（台科大管研所博士生）
閱讀完整內容

淺談資料類型 — 研究資料

-
圖片
當我們要對「資料」進行更進一步的「統計運算」時，就必須對資料「測量」（measurement）的類型先行了解。「測量」意指對所測概念（變數）給定一個數字或符號的過程，例如：溫度為攝氏26度、性別為男…等。 在研究方法裡，有關「測量」（measurement）的資料類型包括：名目資料（nominal）、順序資料（ordinal）、區間資料（interval），以及比例資料（ratio），如圖1所示。 圖1 名目資料、順序資料、區間資料、與比例資料 繪圖者:張庭瑄 1.名目資料（nominal） 名目資料能區分不同組別，例如：將「性別」區分成「男」、「女」。以下是名目資料的特性： 名目內容（如：「男」、「女」）本身具有意義，但編碼後 （如「男」為「1」、「女」為「0」） 的數字大小，並不代表任何意義（如，不能說1大於0）。 編碼後的數字不能排序，但在統計處理時，可以累加次數(頻率數，也就是符合的人數)，例如男性156人、女性182人，或按次數多寡依序排列找出最高數值(最多人選擇的選項次數)。 2.順序資料（ordinal） 順序資料能區分等級或順序，例如：教育程度裡，從小到大依序為：國小、國中、高中、大學、研究所。以下是順序資料的特性： 編碼後的數字能夠排序，但無法進行加減。 可降階為名目資料（如：將教育程度區分成國小、國中、高中、大學、研究所，但不予排序）。 3.區間資料（interval） 區間資料能區分程度上的差異，例如：年份為2001年、2002年、2003年…。以下是區間資料的特性： 編碼後的數字為等距（如：「1與2之間的距離」，與「2與3之間的距離」相同）。 因為等距，所以能夠加減（如：年份2005年與2000年之間差了5年）。 因為不具絕對原點，所以不能乘除（如：年份2000年/2並不具意義） 問卷調查最常採用的就是區間尺度。例如請從「非常滿意、很滿意、滿意、普通、不滿意、很不滿意、非常不滿意」等選項中圈選出符合的，這原本是順序尺度，在此則拿來做為區間尺度來使用。區間尺度因為設定的組距都相等，所以可做為「非常滿意7分、…、非常不滿意1分」的處理方式，而最有名的則像是李克特七點量表或五點量表。 可降階為名目資料與順序資料。 4.比例資料（ratio） 比例資料能衡量數值之間實質的差異，例如：
閱讀完整內容

淺談資料類型—企業內部資料和外部資料

-
        為了做生意，全世家每一家企業都在搜集資料。像是在銷售產品時，收集消費者資料以便做好售後服務；或是在製造產品時，收集品管資料以便做好製程改善；亦或是在人員訓練時，搜集學員的上課、考試資料以便做好人才培育。平心而論，蒐集資料是企業的天職之一。而讓我印象最深刻的是，跨國企業蒐集資料的廣泛與仔細程度。         還記得，前總統陳水扁第一次參加總統大選時，他的競選總部首次推出「扁帽」商品，當時還沒流行起來，就有一家日本跨國的商社（姑隱其名）打電話來問我，可以在哪裡買到扁帽。我才剛回覆他們說，總部才推出不久，估計全面上市，起碼要一個星期之後。沒想到這家公司當下已經漏夜買了兩頂，隔天馬上連同樣品，材質與供應商名單快遞回日本。日本大商社蒐羅商業情報的速度，讓我瞠目結舌。         企業所蒐集的資料，種類可以很多元，無論是實體的或是數位的，無論是文件或是電腦檔案，而拿來做行銷之用的，就屬「行銷資料」（顧名思義就是與行銷相關的資料）。一般來說，行銷資料的分類方式有以下幾種：                  1.內部資料與外部資料。                  2.初級資料與次級資料。                 3.總體（宏觀）資料與個體（微觀）資料。                  4.研究資料。         以下先說明內部資料與外部資料進行說明，之後再陸續介紹其他類型資料。 1.內部資料：         與行銷較相關的企業內部資料，包括：銷售資料、顧客交易資料、產品服務資料、銷售人員報告、廣告支出相關的統計數據、運輸成本、與會計資料（會計損益表和不同年度的資產負債表）…等。內部來源的資訊取得容易，且收集時比較不會有財務負擔。然而，內部資料的搜集可能是個緩慢的過程（因為各單位的本位主義），但相對來說也比較準確和可靠。         在蒐集內部行銷資料時，業務人員是一個重要的來源，因為他們直接負責銷售與推廣產品，並參與了解消費者的需求、動機、偏好和購買習慣。他們還可以回饋對產品價格，設計，包裝和尺寸的建議，了解消費者或經銷商對公司產品的反應。行銷經理可以指導業務人員如何收集資訊並做定期報告。而行銷資料科學也可以針對這些文字資料與數字資料進行分析。         搜集消費者的原始數據非常重要。企業可以
閱讀完整內容