科大讯飞与香港特区立法会合作推出的“智识听”智慧誊录系统，旨在提升会议直播的字幕功能。该系统运用科大讯飞中英粤混读引擎，结合声纹识别和字幕压制技术，实现了会议直播中文字与视频画面的同轨显示，方便公众获取政策资讯。系统深度学习了大量语料和香港特色关键词，能够实时适配议员的口音、地名和混语发言，准确率高达96%，并可达99%。该系统历时近3年研发，已迭代至3.0版本支持实时字幕，未来还将支持英语及多语种字幕，并有望应用于香港立法会的智慧办公系统。

💡“智识听”系统通过中英粤混读引擎、声纹识别及字幕压制技术，实现会议直播中的实时字幕与视频画面同轨显示，方便公众获取政策资讯。

🚀 该系统经过2.5亿字语料、400小时音频和20万条香港特色关键词的深度学习，能高效处理议员的特殊口音、新地名及中英粤混杂发言，实时准确率达96%。

⏱️ “智识听”的研发历时近3年，从最初的录音转文字功能发展到支持实时字幕，极大地提高了议事录的发布效率，将发布时间从7个工作日缩短至第二天。

🌐 未来，“智识听”将继续升级，准备建设英语字幕和多语种字幕系统，并计划基于星火大模型推进香港立法会的智慧办公系统建设。

IT之家 8 月 4 日消息，据科大讯飞官方公众号，香港特区立法会与科大讯飞联合打造了智慧誊录系统“智识听”，可深度识别立法会场景的实时字幕功能，运用科大讯飞中英粤混读引擎，结合声纹识别和字幕与帧画面对齐压制技术，实现会议直播中文字和视频画面的同轨显示，公众可通过实时字幕无障碍获取政策资讯。

“智识听”深度学习 2.5 亿字语料、400 小时音频、20 万条香港特色关键词，口音、新地名、混语发言实时适配，即使面对议员特殊口音或复杂地名也能高效处理。目前，实时字幕的准确率达 96%，通过幕后同事的即时修正，准确率通过人机结合可达 99%。

IT之家从官方获悉，“智识听”正式调研、研发、上线历时近 3 年，1.0 版具备录音转文字功能，2.0 引入对实时转文字的支持，3.0 版则开始支持实时字幕。为解决粤语俚语及法律专业术语较多、部分议员存在口音、中英粤混杂等问题，立法会秘书处整理了 2.5 亿汉字的中英文对照和 20 万个高频粤语词汇，将其作为语料库提供给机器学习。经过数据和算法的优化和不断地训练，立法会会议实时字幕的准确率达 96%。

原先，需要 7 个工作日才能发布的议事录，会议召开后第二天即可发布。目前智识听四期正在准备中，该期将建设英语字幕和多语种字幕系统。同时，基于星火大模型的进步，香港立法会的智慧办公系统也提上日程。