谷歌開(kāi)源Live Transcribe語(yǔ)音識別轉文字工具

谷歌在其開(kāi)源博客中宣布開(kāi)源 Android語(yǔ)音識別轉錄工具——Live Transcribe的語(yǔ)音引擎，它可以將語(yǔ)音或對話(huà)實(shí)時(shí)轉錄為文字，還能夠為聽(tīng)障人士提供幫助。

谷歌開(kāi)源Live Transcribe語(yǔ)音識別轉文字工具

Live Transcribe 是谷歌于今年2月推出的一款Android應用程序，它的語(yǔ)音識別由谷歌最先進(jìn)的Cloud Speech API提供。但是，依賴(lài)于云引入了一些復雜性，不斷變化的網(wǎng)絡(luò )連接、數據成本和延遲等等都帶來(lái)一些考驗。因此，谷歌把它開(kāi)源出來(lái)，希望開(kāi)發(fā)人員在已有的基礎上進(jìn)一步構建和開(kāi)發(fā)。

Cloud Speech API目前無(wú)法支持無(wú)限的音頻流，團隊采取了一些措施來(lái)解決這一難題，例如在達到超時(shí)之前關(guān)閉并重新啟動(dòng)流式傳輸請求，這將有效減少會(huì )話(huà)中丟失的文本量。

值得一提的是，Live Transcribe支持超過(guò)70種語(yǔ)言，并能夠根據語(yǔ)音自動(dòng)識別語(yǔ)種，其中也包括中文。

另外，由于是提供實(shí)時(shí)語(yǔ)音轉錄，轉錄出來(lái)的文本會(huì )隨著(zhù)語(yǔ)音的輸入不斷發(fā)生變化，降低延遲自然十分必要。該引擎能夠大大降低延遲率，這都要歸功于它的自定義Opus編碼器。

（文中圖片來(lái)自互聯(lián)網(wǎng)）