圖片來源: 

Google

Google更新文字轉語音和語音轉文字服務,除了優化語音辨識模型、新支援7種語言和31種聲音之外,也調整了語音服務的價格,在特定的應用情境中,用戶最多可以省下約50%的支出,而Google也提供每月前60分鐘免費的語言轉文字服務。

Google指出,語音辨識和生成技術在人機互動的應用中非常關鍵,要讓人機互動更加自然、簡單且普遍,並不容易,即便使用準確度高達90%的語音辨識模型,還是很難真正達到有效的對話,由於許多企業的語音辨識模型都是要在電話中運行,受到噪音的干擾,產生的文字資訊讓模型難以處理,Google於去年4月針對這種應用場景推出電話和影片的語音轉文字服務,經過不斷優化,現在電話的文字錯誤已降低了62%,而影片的語音轉文字模型錯誤率也降低了64%,除此之外,影片的語音轉文字模型在辨識多個說話者的情境中,像是會議或是廣播,也有很好的表現。

電話的語音轉文字模型過去只開放給參與Google收集語音資料計畫的成員使用,現在,任何企業都可以使用這個優化過的模型,若用戶選擇允許Google收集資料,則可以折抵一些費用,除了上述兩個語音轉文字的模型之外,Google這次也正式推出多聲軌的語音辨識服務,協助語音轉文字API區別多個不同的語音,像是對話中的不同人,Google指出,該服務對會議分析,或是有多人參與的對話都相當有幫助。

在價格方面,為了吸引更多用戶,Google將影片語音轉文字模型收費調降了25%,而在標準和影片模型服務中,選擇加入資料收集計畫的用戶,收費價格會減少33%,因此,若使用影片模型且選擇加入收集資料計畫的用戶,將能夠減少約50%的支出。

此外,支援的語言也是企業使用語音轉文字辨識模型的一大考量,現在Google新增了7個語言和方言,包含丹麥語、葡萄牙語、俄語、波蘭語、斯洛伐克語、烏克蘭語和挪威語,加上上述新增的語言,目前總共支援21種語言,這些新增的語言都還是測試版。在語音生成模型方面,Google的語音生成系統WaveNet也新增了31種聲音,目前總共有包含21種語言的57種聲音。


Advertisement

更多 iThome相關內容