最新消息: 新版网站上线了!!!

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。

Live Transcribe

  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。


转载请注明:谷谷点程序 » 谷歌开源Live Transcribe语音识别转文字工具