谷歌开源Live Transcribe语音识别转文字工具
谷歌在其开源博客中宣布开源 android语音识别转录工具——live transcribe的语音引擎,它可以将语音或对话实时转录为文字,还能够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应用程序,它的语音识别由谷歌最先进的cloud speech api提供。但是,依赖于云引入了一些复杂性,不断变化的网络连接、数据成本和延迟等等都带来一些考验。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,团队采取了一些措施来解决这一难题,例如在达到超时之前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。
值得一提的是,live transcribe支持超过70种语言,并能够根据语音自动识别语种,其中也包括中文。
另外,由于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发生变化,降低延迟自然十分必要。该引擎能够大大降低延迟率,这都要归功于它的自定义opus编码器。
live transcribe语音引擎功能
google列出了语音引擎的以下功能(不包括说话人识别):
无限流媒体。
支持70多种语言。
可以简化网络丢失(在网络和wi-fi之间切换时)。文字不会丢失,只会延迟。
强大的扩展网络损耗。即使网络已经停电数小时,也会重新连接。当然,没有连接就不能进行语音识别。
可以轻松启用和配置opus,amr-wb和flac编码。
包含文本格式库,用于可视化asr置信度、发言人id等。
可离线模型扩展。
内置支持语音检测器,可在延长静音期间用于停止asr,以节省资金和数据。
内置支持扬声器识别,可根据扬声器编号标记或着色文本。
英文原文:
上一篇: 2016香港*行
下一篇: 冬天的被窝简直就是霸道总裁