AWS 升级 Transcribe：引入生成式 AI，支持 100 种语言

如果你做过跨国客服或者开过跨国跨语种电话会，大概体会过那种痛苦：嘈杂的背景音加上各种浓重的小语种口音，传统的转录工具经常转出一堆乱码，最后还得人工一句一句听。

在这次 AWS re:Invent 大会上，亚马逊决定给自家的语音识别老兵来一次底层大换血，直接把 Amazon Transcribe 搬到了语音基础模型上。

搞定 100 种语言，小语种不再被当成二等公民

这次更新最显眼的变化，就是支持的口语数量从之前的 39 种直接飙升到了 100 种。

根据 AWS 的说法，新模型是用 100 多种语言、数百万小时的未标注音频训练出来的，靠自监督算法去摸索不同语言和口音的发音规律。

做多语言模型最容易踩的坑就是大语种吃掉小语种。英语、西语的数据铺天盖地，冷门语言的数据少得可怜，最后模型转小语种依然一塌糊涂。

AWS 强调他们特意平衡了训练数据，没有让大语种过度代表，确保小语种能有和常用语种相当的准确度。

反映到实际效果上，AWS 称新版本在很多语言上的识别准确率比老版本提升了 20% 到 50%。

除了常规的音频和视频识别，它还支持自动标点、自动识别语种、自定义词汇和敏感词过滤，并且在嘈杂环境下也能稳定工作。不过至于底层到底用了哪款基础模型，The Verge 询问了 AWS，对方暂时没有透露。

让坐席少写点报告，顺手动了谁的蛋糕

对企业客户来说，转录本身只是第一步，后面怎么用才是大头。这次升级也顺理成章地带飞了呼叫分析产品 Amazon Transcribe Call Analytics。

现在的 Call Analytics 同样由生成式 AI 驱动，可以在客服挂掉电话后，自动总结坐席和客户聊了什么。

这意味着客服不用再花大把时间写通话复盘小结，主管也不用翻看成百上千行的文字记录去查岗，扫一眼 AI 生成的摘要就能知道问题解没解决。

与此同时，AWS 的推荐产品 Amazon Personalize 也加了生成式 AI 技能，能自动给推荐列表写主题标题或邮件标题。

市面上做这事的并不止亚马逊一家。比如大家熟悉的 Otter 早就开始给个人和企业做会议转录，6 月还上线了总结功能，Meta 也在研发能识别近 100 种口语的生成式 AI 翻译模型。

为什么重要

我们认为，AWS 这次更新最聪明的地方在于，它没有去卷一个独立的、博眼球的消费级 AI 工具，而是把自己庞大的云基础设施优势利用到了极致。

对于出海企业、跨国电商和全球化客服团队来说，这项更新非常值得现在就去试。语言支持从 39 种扩展到 100 种，直接击穿了以往拓展非英语新兴市场时的语言壁垒，而且它作为现成 API 挂在 AWS 上，接入成本比自己搭模型低得多。

从行业竞争来看，这给 Otter 等第三方转录工具敲响了警钟。当底层的云服务巨头不仅把基础准确率拉高了 20% 到 50%，还顺手把自动摘要和数据分析做进客服系统闭环时，单纯靠转录和摘要赚钱的轻量 SaaS 会越来越难受。

潜在的隐患在于定制化和稳定性。尽管 AWS 宣称小语种精度大涨，但在复杂的垂直行业术语面前，通用基础模型的自监督表现到底够不够硬，依然需要在各家企业的真实账单和客服流程里经受检验。