您当前的位置是:  首页 > 技术 > 企业通信 > 技术 > 语音通信 > 技术动态 >
  首页 > 技术 > 企业通信 > 技术 > 语音通信 > 技术动态 > Google更新云端语音转文字服务、听写电话出错率减少54%

Google更新云端语音转文字服务、听写电话出错率减少54%

2018-04-10 16:47:48   作者:   来源:CTI论坛   评论:0  点击:


  Cloud Speech-to-Text服务大改版,提供命令与搜寻、电话、影片与预设4种模式,其中强化後的电话模式听写电话的错误率降低了54%,而与YouTube加上字幕技术雷同的影片模式转录错误率也降低了64%。
  继上个月发表云端文字转语音(Cloud Text-to-Speech)服务之後,Google在周一(4/9)更新了云端语音转文字(Cloud Speech-to-Text)服务,提供全新的影片及电话转录模型,也新增了自动化标点符号功能。相较於原本的电话模型,新的强化版电话转录模型(enhanced phone_call model)让语音辨识的错误率减少了54%。
  Google於2016年发表的Cloud Speech-to-Text原名为Cloud Speech API,可辨识包括中文在内的逾120种语言,本周则是该服务建立以来最大规模的改版,它提供了4种客制化模式,包括命令与搜寻(command_and_search)、电话(phone_call)、影片(video)与预设(default),其中,电话模型适用於基於8khz取样率记录的电话内容,而预设模型则多用在音质较好、时间较长、取样率高於16khz以上的音频,使用者可依照不同的使用情境选择适用的模型,以顺利将语音转换成文字。
  Google Cloud AI产品经理Dan Aharon表示,有许多云端供应商利用客户的请求来改善相关服务,但基於资料及隐私保护的立场,Google并不打算采用这样的作法,取而代之的是推出业界首创的「选择加入计画」( opt-in program),让客户主动提供资料供Google纪录与分析,而首个成品就是强化版电话转录模式,该计画成功地让Cloud Speech-to-Text的电话转录服务减少了54%的错误。
  至於新的影片模式则可用来将影片中的语音转换成文字,或是转录同时有多人开讲的语音,该模式所使用的机器学习技术与YouTube自动化字幕背後的技术雷同,相较於原本的预设模式,影片模式的转录错误率也降低了64%。
  不管是强化版的语音模式或影片模式现在都只支援英文,预计很快就会扩张至其它语言。
  除了全新的语音及影片模式之外,新版的Cloud Speech-to-Text还准备在将语音转成文字之後,自动加入标点符号,以让文字更容易阅读,目前该模式仍属於测试阶段,可提供逗点、句号或问号等标点符号的建议。
  除了影片模式每15秒的收费为0.012美元之外,其它模式的费用皆为每15秒0.006美元,为了推广全新的影片模式,截至今年5月31日可享用每15秒0.006美元的优惠价。
【免责声明】本文仅代表作者本人观点,与CTI论坛无关。CTI论坛对文中陈述、观点判断保持中立,不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考,并请自行承担全部责任。

专题