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

xplanet
 xplanet
发布于 2019年08月18日
收藏 41

昨日,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(Live Transcribe Speech Engine),它旨在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。

本站文章除注明转载外,均为本站原创或编译。欢迎任何形式的转载,但请务必注明出处,尊重他人劳动共创开源社区。
转载请注明:文章转载自 OSCHINA 社区 [http://www.oschina.net]
本文标题:谷歌开源实时语音转录引擎 Live Transcribe Speech Engine
加载中

最新评论(7

容儿2015
感觉很厉害的样子。有小伙伴用过吗?
TonyJian
TonyJian
这是客户端吧
WWHenry
WWHenry
可以用吗??
yywww
yywww
嗯,说得好像能用似的
开普勒452b
开普勒452b
捣鼓一下,就是翻译机
开源中国首席罗纳尔多
开源中国首席罗纳尔多
这种实时的要把语音上传到服务器,手机2g的时候不会很卡很慢吗?
一个昵称而已
一个昵称而已
看起来很不错的样子
返回顶部
顶部