Google使其语音转文字和文本转语音服务更加准确和可访问

Google LLC更加努力地推动其流行的Cloud Speech-to-Text和Text-to-Speech机器学习服务，为两者添加新功能，并使大型企业更容易使用前者。

Google Cloud Speech-to-Text本质上是一项先进的转录服务，它依靠机器学习和其他人工智能技术来提高其准确性。Google产品经理Dan Aharon在今天的博客中说，这种对AI的依赖很重要，因为任何低于100%的准确性都会导致严重的错误，导致难以进行有用的对话。

但是Google自由地承认其语音转文本并不总是完全准确的，因为使用它的许多应用程序都在“嘈杂的”电话线上运行，这可能使得难以准确地解释人们在说什么。

“在创建智能语音应用程序时，语音识别的准确性至关重要，” Aharon说。“如下面的插图所示，即使准确度达到90%，也很难进行有用的对话。”

为了解决这个问题，Google去年在Beta版中为选择共享使用情况数据的客户推出了高级版的语音转文本功能，以帮助改进其算法。它们包括增强型电话模型和比其他模型电话会议有用的视频模型，该电话模型比常规模型产生的转录错误少62%。

如今，Google正在向所有客户(包括那些不想加入其数据记录程序的客户)普遍提供其高级模型。但是，不选择加入该计划是有代价的，因为选择加入该计划的人将为该服务少付33%的费用。

“我们还将高端视频模型的价格降低了25%，对于选择加入数据记录的当前视频模型客户而言，总共节省了50%，” Aharon说。

Google还在语音转文本中添加了一项称为“多渠道识别”的新功能，该功能可以更好地区分对话中的不同人。

语音转文本的高级模型已经被众多企业采用，包括LogMeIn Inc.，该公司使用该服务在其流行的GoToMeeting应用程序上创建会议的笔录。

文字转语音的更多语音和语言

Google还更新了Text-to-Speech(文本到语音)功能，这与姐妹服务的功能恰好相反，将书面文本转换为逼真的人类语音。这项服务越来越受到Google WaveNet技术的支持，并以更多语言提供。“由于对Google Cloud TPU(张量处理单元AI芯片)支持的WaveNet技术的独特访问，我们可以比业界中的典型更快，更轻松地构建新的声音和语言。”

今天在Beta中引入的新语言包括丹麦语，挪威语，葡萄牙语，俄语，波兰语，斯洛伐克语和乌克兰语。这意味着“文字转语音”现在总共支持21种语言。谷歌还向该服务添加了31种新的人工WaveNet语音，以及24种“标准”语音。

最后，Google在“文字转语音”中添加了新的“设备配置文件”功能，该功能可以优化在各种硬件上的音频播放。“例如，一些具有呼叫中心应用程序的客户针对交互式语音响应进行了优化，而其他专注于内容和媒体的客户针对耳机进行了优化，” Aharon说。“在每种情况下，音频效果都是针对硬件定制的。”

Constellation Research Inc.的分析师Holger Mueller说，由于语音正在作为新的用户界面迅速出现，因此更新令人信服，因此企业应该欢迎提高准确性和支持更多语言。

“谷歌不断提供和改进，现在增加了对更好的易用性的支持，”穆勒说。“正在构建与语音相关的应用程序的CxO只需要将Google纳入其启用提供商的候选清单。”