Kensho
Kensho Technologies (S&P Global) · 程式設計
Kensho Scribe 是 S&P Global 旗下的語音轉文字服務，專為財報電話會議等金融音訊設計，輸出自動排版，並提供批次與即時兩種 API。
關於 Kensho
What Is Kensho Scribe
Kensho Scribe 是 Kensho 推出的商務音訊轉錄服務。Kensho 是 S&P Global 在 2018 年收購的 AI 團隊，模型訓練資料來自數十萬小時的財經音訊，全由 S&P Global 自家的轉錄團隊逐字標註。差別就出在這裡。財報電話會議裡滿是股票代號、各國貨幣金額與高階主管姓名，一般語音辨識服務往往在這幾類詞上頻頻出錯。
拿到的不只是一串文字。Scribe 會補上標點、維持發言者輪替，並清掉語助詞與講到一半重來的片段。輸出讀起來順，分析師花幾分鐘掃過就能用，不必先花一輪大幅修改。
簽約前有兩件事要先確認。服務以英文商務音訊為主，團隊若使用其他語言，得先問清楚支援範圍。另外，帳號由 Kensho 開通，無法自行刷卡訂閱，價格要找業務團隊詢價。
Getting Started
- 從 Scribe 官網申請使用權限，並選擇操作方式。臨時處理少數檔案用網頁介面，講究量與自動化就走 API。
- 取得存取權杖。Kensho 的技術文件說明了批次與即時端點的身分驗證與權杖產生方式。
- 上傳音訊。批次 API 支援直接送出檔案，也可以給一個網址，讓 Scribe 自行下載，前提是該網址不需要驗證標頭。
- 挑選輸出格式。需要時間碼與講者標記就指定 JSON，要交給編輯人員處理就選 Word。
- 取回逐字稿。反覆查詢任務編號直到回應 200，或先設定回呼網址，完成時由 Scribe 主動通知。
產品資訊
快速了解 Kensho 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 股票研究分析師：財報電話會議逐字稿送回來時已標好發言者輪替，跨季比較少掉很多手動整理的功夫。前提是有 Kensho 或 S&P Global 業務窗口開通的帳號。
- 投資人關係團隊：法說會與分析師日的錄音變成可搜尋的文字，法務與公關都能審閱。要先確認合約涵蓋你打算送出的音訊量。
- 轉錄服務商與專家網絡：人工複核方案把機器輸出與專業轉錄員綁在一起，交期寫進合約，適合把逐字稿當商品賣的業者。
任務
- 轉錄每季財報電話會議：模型認得股票代號、財測用語與換手發言，不必像一般服務那樣再跑一輪人工校對。
- 建立可搜尋的音訊資料庫：批次 API 回傳帶講者標記與時間碼的結構化 JSON，直接就能匯入全文檢索或文字探勘系統。
- 製作即時字幕：即時 WebSocket API 邊收音邊輸出文字，單一連線最長可維持五小時，應付長時間議程沒問題。
- 整理訪談或證詞交給編輯：Word 輸出直接給一份排版好的草稿，不必從純文字重新整理。
情境
- 手上幾份檔案、不想寫程式：把檔案拖進網頁介面，下載逐字稿，結束。
- 消化財報季的龐大工作量：單檔上限 1 GB 的批次任務在背景執行，系統輪詢狀態或等回呼即可。
- 處理品質不佳的真實錄音：重口音、搶話、講一半停頓，正是模型訓練時的主要素材，事後修補的時間明顯變少。
主要功能
針對金融領域調校的語音辨識
聲學模型與語言模型都以 S&P Global 標註過的財經音訊訓練，現行版本約 30 萬小時。財報電話會議的慣用語、股票代號與主管職稱因此能被辨識出來，而不是靠猜。專為日常對話設計的模型，偏偏常在這些詞上失手。
自動排版與口語雜訊清除
Scribe 邊轉寫邊加標點，同時刪掉語助詞、重來與重複的句子。成品像已經有人整理過的逐字稿，讀者與後續的自然語言處理流程都不必承接音訊裡的雜訊。對研究團隊來說，這一步決定拿到的是可用文件還是原始文字堆。
講者分段與身分識別
另外兩組模型負責判斷換人說話，並辨認發言的對象。讀法說會逐字稿時，財務長的回答與主持人的流程說明一眼就能分開。到了問答時段，多人搶話的情況更吃這項能力。
批次 API 支援檔案與遠端網址
送出一個 POST 就啟動任務，音訊或影片可以直接上傳，也可以丟一個連結讓 Scribe 自己去抓。回應會給任務編號，其餘在背景進行。之後輪詢狀態或等回呼，再以 JSON 或 Word 取回結果。
WebSocket 即時轉錄
即時端點接收未壓縮的音訊，邊收邊回傳文字。連線最長五小時，上傳速度可達實時的兩倍，會議與長時間線上研討會都夠用。需要即時字幕或會議中同步做筆記時，就靠這條路。
升級人工複核
機器輸出不夠用時，人工複核方案會加派專業轉錄員進行校正與排版。優先等級依合約設定，高、中、低的交期事先談定。成品以 Word 文件交付。
優缺點
優點
- 金融音訊的準確度是這項產品存在的理由。股票代號、公司名稱、財報慣用語這些一般模型常聽錯的地方，差別最明顯。
- 逐字稿回來時已排版，附講者與時間碼，每份檔案省下一輪編輯。
- 速度快，現行模型處理一小時音訊約需十秒。
- 兩種使用途徑涵蓋多數流程，零散檔案走網頁，自動化走 API。
- 錄音雜訊太重時，人工複核可以當備援。
缺點
- 沒有公開價目表，得向 Kensho 詢價，想自行比價的人會卡在這一步。
- 批次逐字稿最多保留兩天，結果必須及時取走或自行存檔。
- 處理量有上限，得先納入規劃：單檔 1 GB、每秒五次 API 請求、每個帳號固定音訊額度。
- 服務以英文商務與財經音訊為核心，需要其他語言的團隊要先確認支援。
常見問題
Kensho Scribe 是結合網頁介面的自動轉錄 API，能把商務與財經音訊轉成排版好的文字。財報電話會議是最典型的用途，投資人簡報、會議紀錄與訪談錄音也在範圍內。結果可以透過 API 查詢，也能在網頁直接下載。
相關內容
探索與 Kensho 相關的工具、技能與文章。
Kensho 替代方案
Base Code
Base44 (Wix) · 程式設計 · 生產力Base Code 是 Base44 推出的共享雲端開發環境。團隊在對話中描述對既有 GitHub 儲存庫的修改，看著預覽確認結果，再以 Pull Request 交回工程團隊。
Google EmbeddingGemma 2
Google DeepMind · 寫作 · 圖片 · 程式設計Google EmbeddingGemma 2 是 7.4 億參數的開源模型，能把文字、程式碼、圖片、音訊與影片畫面轉成同一個 768 維空間裡的向量，在手機與筆電上就能執行。
GitGlow
GitGlow · 程式設計 · 生產力GitGlow 是桌面版 Git 用戶端，把你自己的程式碼與 AI 代理程式的變更集中在同一份審查裡，讓你在交付前看清楚機器上究竟要送出什麼。