谷歌宣布开源Live Transcribe语音识别转文字工具

  • 时间:
  • 浏览:1

昨日,谷歌在其开源博客中发表声明开源 Android语音识别转录工具——Live Transcribe的语音引擎(Live Transcribe Speech Engine),它旨在将语音或对话实时转录为文字,还都都可以为听障人士提供帮助。

Live Transcribe 是谷歌于今年2月推出的一款Android守护进程运行运行,它的语音识别由谷歌最先进的Cloud Speech API提供。因此,依赖于云引入了什儿 复杂,不断变化的网络连接、数据成本和延迟等等都带来什儿 考验。因此,谷歌把它开源出来,希望开发人员在已有的基础上进一步构建和开发。

Cloud Speech API目前无法支持无限的音频流,团队采取了什儿 方法 来外理什儿 问题图片报告 ,例如在达到超时并且 关闭并重新启动流式传输请求,这将有效减少会话中丢失的文本量。

无限流媒体音频带来了一大挑战。在什儿 国家,网络数据非常昂贵,因此在互联网较差的地方,速度单位不可能 有限。Live Transcribe Speech Engine的团队对音频编解码器进行了少许实验,并最终在不影响精度的情形下将数据使用量减少了10倍。

另外,不可能 是提供实时语音转录,转录出来的文本会随着语音的输入不断位于变化,降低延迟自然十分必要。该引擎都都可以大大降低延迟率,这全部还会归功于它的自定义Opus编码器。

此外,值得一提的是,Live Transcribe支持超过70种语言,并都都可以根据语音自动识别语种,其中也包括中文。