Krisp最初作为一家AI驱动的降噪服务起步，如今这家初创公司正拓展其业务，提供所有通话和会议的即时本地转录功能——并且现在集成了ChatGPT以快速生成摘要。开放测试版今天正式上线。
我的转录体验通常是这样的：下载与会议相关的视频或音频文件（前提是有人记得录制，而我知道那个人是谁），然后将该文件上传到 Otter 等服务，等待 10-15 分钟进行处理。与几年前相比，这当然非常方便，但我们在线参加的会议数量也成倍增加。因此，只要能在我的工作流程中节省几分钟或减少几次点击，我通常都会很感兴趣。
多年来，Krisp 也展现出一种专注的特质，致力于在多种设备和平台上实现有效的降噪。实现这一突破的关键在于训练系统识别并分离人声——尽管人声多样，但它们彼此不同，且与狗吠、交通噪音等有着显著区别。对我来说，Krisp 通常都能正常运行。
所以，当他们告诉我他们开始涉足转录领域时，我很高兴听到这个消息：这是语音平台的一个自然延伸，而且他们显然知道如何获取清晰的人声音频信号。
Krisp目前基本上在后台运行，充当音频源的透传通道。因此，“AI会议助手”无需与Google、Teams、Zoom或其他任何平台集成，也无需作为虚拟参会者存在——它仅在音频发出前或传入你耳朵前处理你的音频信号。转录代理无需与任何服务或API通信，它只需识别传入和传出的声音并在你的设备上进行转录。
设备端转录是一个关键的区别因素，一方面是因为它比处理音频文件更简单，另一方面是因为会议的音频永远不会离开你的电脑。我不确定这对哪些威胁模型很重要，但我怀疑它们确实存在，并且将在未来几年变得更加突出。
Krisp 在 2020 年取得巨大成功后，融资额扩大近三倍至 900 万美元
转录文本本身会直接发送到 Krisp 的云服务，这在某种程度上抵消了设备端转录的安全优势。但如果你愿意信任另一个转录服务，为什么不是这个呢？此外，很快还将提供将转录内容完全保留在设备上的选项。Krisp 首席执行官兼联合创始人 Davit Baghdasaryan 拥有深厚的安全背景，并表示他期待实现这一功能。（我怀疑这是因为构建 Web 应用比向多个移动和桌面应用添加重大新功能更容易。）
那么转录效果如何？根据我的经验，与其他 AI 驱动的转录服务差不多，也就是说，比我自己做的笔记要好，但还远未达到可以发布的水准。立即丢弃音频文件会取消其他转录服务提供的一项有用功能——快速检查和编辑：点击可疑单词即可跳转到音频中的相应位置。因此，至少在需要准确且大量引用的采访中，这可能不是最佳选择。
但 Krisp 将此定位为一款生产力工具，旨在构建一个平台，用于从我们有时不得不安排的无数会议中快速提取关键点。为此，该公司允许你将转录文本快速发送出去，由 ChatGPT 进行分析，从而提取出 TL;DR（摘要）、分配的任务或会议中需要提取的其他任何内容。
坦白说，我一直不太喜欢这些功能，也从未使用过，因此无法对其质量发表意见。它们大概与其他提供类似服务的产品一样好，也就是说，对觉得这类功能有用的人来说确实有帮助。我尽量在会议结束后尽快忘掉会议内容——这恐怕会让我的同事感到沮丧——但为自己辩解一下，就算我记得，也多半会记错。那些做事有条理、有流程的人可能会觉得 Krisp 的风格很适合他们，也可能不适合。
我也犹豫是否要评价一个本质上只是调用另一个服务的 API 的服务，而那个服务本身又在不断变化。随着 ChatGPT 的进步，依赖它的应用也会随之改进——这与许多其他平台突然获得自然语言理解能力的情况如出一辙。
如果你想试用，Krisp 是免费的——该公司通过企业级高级订阅赚钱，当然，由于计算在你的设备上运行，扩展起来也非常简单。
值得花一点时间在 Mac 或 PC 上确保它配置正确，也就是说其直通（passthrough）功能按预期工作。我一开始遇到了一些奇怪的问题，后来通过从头开始设置，只将会议应用和麦克风分配给 Krisp 处理，从而解决了这些问题，这样就不会把我的音乐混音进去。只需调整几个旋钮和开关，花五分钟把它设好，很快你的转录文本就会以快到有点烦人的速度出现。