谷歌开源实时语音转录引擎 Live Transcribe Speech Engine

谷歌开源实时语音转录引擎 Live Transcribe Speech Engine

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、数据成本和延迟的鲁棒性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

Google Stream让你轻松跨设备串流音乐视频和播客内容
[视频]谷歌宣布为美国残疾人免费捐赠10万台Google Home Mini
谷歌进军银行业务 将向消费者提供支票账户

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、数据成本和延迟的鲁棒性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,团队目前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。

无限流媒体音频带来了一大挑战。在许多国家,网络数据非常昂贵,并且在互联网较差的地方,带宽可能有限。Live Transcribe Speech Engine 的团队对音频编解码器进行了大量实验,并最终在不影响精度的情况下将数据使用量减少了 10 倍。

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。

此外,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。

本文为转载,版权属各作者 并已注明作者。【湾区盒子BAYBOX】

0