谷歌开源Live Transcribe语音识别转文字工具
source link: https://www.williamlong.info/archives/5800.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
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：Bringing Live Transcribe's Speech Engine to Everyone
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK