Google更新Cloud Speech API,錄音檔也能直接搜尋關鍵字!

2017.08.18 by
張庭瑜
Google
Google更新雲端語音API(Google Cloud Speech API),除了新增時間標記功能,可辨識的語音檔案長度也從80分鐘增加到3小時,並一口氣新增30種可辨識語言。

Google更新雲端語音API(Google Cloud Speech API),除了新增時間標記功能,可辨識的語音檔案長度也從80分鐘增加到3小時,並一口氣新增30種可辨識語言,讓第三方開發商能在更多類型的服務中應用Google的語音辨識技術。

可在錄音檔中搜尋關鍵字、直接跳到關鍵字出現的段落

「語音」很可能是繼打字之後,未來人類和電腦溝通的主要方式,其不僅解放我們的雙手,互動速度也更快。Google在去年發佈這款能將語音轉成文字的雲端語音API,並將該功能整合進多款自家服務中,如語音助理、語音搜尋、翻譯、聽寫輸入等功能。

而這次更新的其中一個新功能,對常聽錄音檔的人相當必備。過去只有文字檔才能搜尋特定字詞,現在,在Google雲端語音API新增「以字為單位的時間標記」的功能後,語音檔也能做到相同的事,即可在語音檔中搜尋特定字詞出現的位置、直接跳到該段落,且錄音檔播放的同時也能立即顯示已辨識的文字。

支援檔案長度增加到3小時,可用於客服中心和自動產生影片字幕

此外,Google雲端語音API可支援的語音檔案長度,也從原本的80分鐘增加到3小時。Google產品經理Dan Aharon表示,支援更長時間的語音檔案,也能拓展該技術能應用的場景,例如客服中心可用此分析客服電話內容,或是用於自動生成影片字幕。

語音轉文字支援「表情符號」

在支援語言方面,這次Google更一口氣新增30個語言,迄今共支援119種語言。Google表示,他們和母語人士合作,請他們念常用的句子,訓練機器學習模型辨識新語言的單字和音調。

特別的是,Google雲端語音API不只能辨識說話的「內容」,還能辨識出「表情符號」。例如,只要念出「眨眼表情符號」或「微笑表情符號」,就會出現和。不過,該功能目前僅支援英語,其他語言將在未來陸續開放。

資料來源:GoogleZDNetTechCrunch

每日精選科技圈重要消息