逐字稿公司怎麼餵出自己的語音辨識引擎

Dan 說史上最好的科幻小說是《沙丘》，第二、第三是《沙丘之子》與《沙丘神帝》；他最喜歡第四部《沙丘神帝》的設定：主角化身巨大的沙蟲、以暴君之姿壓迫人民，為的是逼文明走出停滯。Lex 說小時候在俄羅斯玩過即時戰略版《沙丘》，Dan 說他 1991 年就離開俄羅斯，那時在俄羅斯能玩的差不多就是 Pong。

Lex 說明自己過去在 Upwork 外包字幕與轉錄常常很痛苦，發現 Rev 之後覺得省心，也提到音訊清理工具 iZotope RX 給他類似的體驗。

rev.com 與 rev.ai 是同一家公司的兩個品牌，Dan 拿 WordPress.com 與 WordPress.org 的關係類比：一個面向一般用戶，一個是開放給開發者的技術品牌。

Rev 想改善 Upwork 的媒合經驗，執行長 Jason 曾是 Upwork 早期員工；他們刻意挑翻譯、後來加上轉錄這類容易標準化的服務，把介面簡化到只剩上傳與等待結果。

Lex 說自己的俄語不夠好，想知道怎麼跟俄語來賓對談（像一位俄國數學家，還有他想訪問的普丁），打算先去巴黎拜訪杜斯妥也夫斯基與托爾斯泰的譯者；Dan 說父親寫詩也譯詩，曾把諾貝爾文學獎得主 Louise Glück 的一本詩集譯成俄文，也談到英俄兩種語言結構差很多，很難找到情緒上對等的字。

Rev 是連結客戶與自由工作者的雙邊市場：人力不夠客戶要等更久，人力太多工作者搶不到單，這個平衡他們調了好幾年；Dan 也解釋他不喜歡用「零工經濟」形容這件事，覺得那個詞把工作講得很業餘。

多數工作者在美國，背景很雜：在家工作的媽媽、學生、有社交焦慮不想進辦公室的人，也有原本事業有成、純粹想體驗這份工作的人；有些人單純因為能一邊聽內容一邊賺錢而喜歡這份工作。

工作者登入後自己挑想做的音檔，用公司自製的編輯器先看 ASR 產生的草稿再修正；音檔品質好壞會直接影響草稿好不好用，遇到講者離得很遠、很多人插話的錄音，工作者可能乾脆從頭打。Dan 說音檔好的話，大概要音檔長度兩到三倍的時間。

自動語音辨識是把語音轉成文字的機器學習任務；Dan 說 Rev 現在測試集上詞錯誤率大概 14%，一般認為人類程度大約落在 2% 到 3%，還有不小的差距。

Dan 說他們拿自己組的測試集（podcast、影片、訪談、演講等）跟 Google、Amazon、微軟這些對手比，自認贏過對方。Lex 說他喜歡 Rev 拖放上傳這種無摩擦的設計，也用過 Dropbox 串接；Dan 補充另有第三方串接與 API 可用。

Dan 認為 ASR 進步最終靠的是資料量與品質；Rev 的商業模式本身（客戶付錢請 Rev 修正逐字稿）就在源源不絕產生標註資料，他形容這是一種飛輪，而且公司理論上還握有轉錄員所有的修改紀錄可以再利用。

公司從純人工轉錄，到推出面向消費者的自動轉錄服務 Temi，再把 ASR 拿給自家轉錄員用，最後把辨識引擎包成 API 開放給其他人；Dan 拿 AWS 提供基礎建設、看別人拿去蓋什麼東西來類比 Rev.ai 現在的角色。

Lex 吐槽 Mechanical Turk 的介面像 90 年代做的；Dan 說 Rev 也有在用，難用但能動，而且多數人是透過 API 在用。Lex 接著批評 Google 等大公司的 API 文件：內容正確，但範例大概只講到一半的用法。

Lex 談自己身為 YouTube 創作者的挫折：像是一次上傳多支影片這種功能被要求了很久才做出來，感覺平台聽不到創作者的聲音。Dan 說後來才進公司的產品經理，任務只是把數字拉高 10%，不像親手做出產品的人那樣在乎；他舉 Apple 刻意維持小團隊為例，推薦 Apple 工程師 Ken Kocienda 寫的《Creative Selection》，書裡寫他做鍵盤與自動校正、拿 demo 給 Steve Jobs 審的經驗。

Dan 談希望把會議、對話這類語音內容變得跟筆記一樣好找、好分享片段，尤其是遠端工作之後，開會的內容更需要能被索引回顧。

Lex 說 podcast 至今主要靠訂閱，搜尋與探索幾乎只能搜標題關鍵字；Dan 說自己常想回頭找某集推薦過的東西卻找不到，如果每集都有可搜尋的逐字稿，情況會完全不同。

Lex 說聽眾裡有不少研究生、記者想更嚴謹地回顧對話，因此決定投入資源做轉錄；也提到自己與 MMA 選手 Ryan Hall 聊「寬恕希特勒」這個話題，被媒體下了聳動標題的經驗：他說報導大致沒錯，但標題讓話聽起來嚴重得多。

Dan 說有家 podcast 代管公司提議擴充 RSS 格式、用標準方式附上逐字稿；Lex 說那家公司希望節目由它代管，他更看重 RSS 讓各家播放器自由競爭的開放性。談到 Joe Rogan 拿 Spotify 一億美元簽獨家，Lex 說換成自己不會接，但也轉述 Rogan 說 Spotify 從不給他任何意見；相較之下，他覺得 YouTube 對大多數創作者並不在乎。

Lex 說 YouTube 很難判斷哪些陰謀論危險；Dan 反而更擔心審查過頭，覺得把自己放在仲裁者的位子很難，而會被影片說服的人，不會因為影片下架就回復理智。Lex 提到 Sam Harris 質問 Jack Dorsey 怎麼能不把時任總統 Trump 趕出 Twitter，並認為平台該用紅蘿蔔鼓勵大家友善一點，而不是靠審查。

Lex 相信以使用者長期的幸福與成長當指標，公司反而賺更多；Dan 大致同意，但說那需要華爾街信任的耐心領導者，像 Steve Jobs、Elon Musk 那樣強到能跟董事會說「照我的做，不然我走」。Lex 也說這正是他考慮自己投入這個領域的原因之一。

Dan 回顧自己從個人貢獻者轉任主管的過程：寫程式的成就感很直接，當主管之後要透過別人的產出得到滿足。Lex 說他在 MIT 帶研究團隊時發現，有些人被嚴厲批評反而做得更好，有些人本來就很自責，只能一直鼓勵；Dan 同意每個人吃的回饋方式不一樣，說 Rev 帶人講究 manage by exception，也常請新手主管讀《First Break All the Rules》。

書單聊到《沙丘》系列與《美麗新世界》（Aldous Huxley）裡描寫的基因化社會分層；也聊到電影《巴西》裡失能卻沒人挑戰的官僚體制，以及 HBO 影集《車諾比》呈現資訊層層上報失真、釀成災難的過程。

Lex 說《惡棍特工》這類希特勒電影讓他反感，Dan 也不喜歡那種塔倫提諾式的風格化，但喜歡《史達林之死》拍出一群人只想活下去、最後犯下惡行的平庸感；Lex 覺得史達林比希特勒更值得拍，因為希特勒幾乎成了邪惡的漫畫版，史達林代表的卻是可能再發生的事。Lex 也提到史達林研究者 Stephen Kotkin，以及自己讀遍了找得到的普丁英文傳記，準備可能的訪談。

Lex 談工程師 Chris Lattner 建議他拓寬來賓光譜、覆蓋各種極端立場，才換得到後面更細膩對話的空間。Lex 說自己當了 Joe Rogan 十年的單向朋友；Dan 說人類演化出對聲音的敏感，Twitter 卻把人化約成一串推文，很容易把對方想成惡意、去人性化。

面對 Lex 常問的「人生意義是什麼」，Dan 說自己不常去想這個問題，覺得意義大概就在於為人類這個「活著、演化中的有機體」做出貢獻，包括創造東西與把孩子帶大。