报名参加CloudWeGo黑客松,奖金直推双丰收! 了解详情
写点什么

Google 发力智能识别:Cloud Speech API 正式发布

  • 2017-05-11
  • 本文字数:1642 字

    阅读完需:约 5 分钟

Google 在近期的博客帖子中,宣布它们的Cloud Speech API 正式发布。Cloud Speech API 允许开发人员添加预先训练好的机器学习模型,用于视频、图像和文本分析中的识别任务,并可实现动态翻译。Cloud Speech API 曾于去年夏天以测试版发布。

Cloud Speech API 使用了基于神经网络的语音识别技术,该技术源自于 Google 自身的语音产品 Google Assistant 和 Google Home。Cloud Speech API 服务当前支持超过 80 种语言及其变种。它采用两种语音输入模式:

  • 实时数据流模式,在用户说话的同时,就以提示的方式给出说话的文本内容。
  • 批处理模式,实现将录制的语音转录为文本的功能。

通过对背景噪声的过滤,该服务在有噪音的环境中也能正常工作。此外,通过在词典中新添单词或短语,该服务也可以从单词和短语提示中进行学习。

Google 在正式发布中添加了一些新特性,并从如下方面改进了性能:

  • 提高了长语音转写为文本的准确性;
  • 更快的处理速度,在批处理场景中比前期版本要快三倍;
  • 扩展了支持的文件格式,现在支持 WAV、Opus 和 Speex。

在近期的 Google Cloud Next 2017 大会上,Google 的产品经理 Dan Aharon 做了一个演讲,其中介绍了Cloud Speech API 的一些用例,包括使用移动设备的人机交互,以及Web 和IoT 应用。该服务也已用于生成客户服务业务中的语音分析。

图片来源: https://www.youtube.com/watch?v=7w_w01EGC7U 的截图。

Aharon 还探讨了推动语音应用发展背后的原因,以及为什么说语音应用现在达到了一个拐点:

  • 语音更快速(可达每分钟 150 个单词,输入只能达到每分钟 20 到 40 个单词);
  • 易于应用(无需操作各层的用户界面);
  • 更便捷(操作无需占用双手);
  • 现在超过 20% 的 Android 应用搜索是使用语音完成的;
  • Google Home、Google Pixel 和 Amazon Echo 等“随时倾听”(Always Listening)设备正成为主流应用。

Google 还演示了一些用户场景,以此展现了 Cloud Speech API 的功能。给出的第一个例子是一个名为“Azar”的移动设备上的聊天应用。用户可以使用 Azar 与他人开展实时视频聊天。Azar 不仅提供视频流和音频流,用户还可以选取语言进行语音转录。迄今为止,Azar 已实现了超过 150 亿次的配对聊天,具备了大规模提供服务的能力。

图片来源: https://www.youtube.com/watch?v=7w_w01EGC7U 的截图。

Google 演示的另一个用例关注的是客户服务。现在很多企业在通过电话提供客户服务时,首先会给出一个提示,告知用户为实现满意的客户服务,之后进行的对话将会被录音。但是企业是如何处理这些录音数据的?InteractiveTel 的 CTO Gary Graves指出,通常只有在与客户发生争执时才会复审这些录音。但是在 Graves看来,这种做法会令汽车经销商等企业失去不少商机:

不仅可使我们的汽车经销商客户完成更多销售量,而且会转变工作心态,因为经销商中的每个员工都要负起责任。经销商需要部署对记录或监控的解决方案,并且让员工知道已部署了这样的方案。但是目前对信息的使用是响应式的,即只有在存在问题时才会借助于这些信息。如果使用了 Cloud Speech 服务,就可以从这些对话信息中挖掘出可用的情报,经销商可以授权销售人员提供更主动的服务,提升客户服务的层级。

InteractiveTel 的产品为汽车经销商提供了对通话进行转录和情感分析的解决方案,可以将实时进行的电话通话提交使用了 Google Speech API 的 InteractiveTel 平台。由此,可为汽车经销商的销售团队创建切实可行的问题洞察,并根据每次通话确定客户的情感。

图片来源: https://www.youtube.com/watch?v=7w_w01EGC7U 的截图。

在 Google Cloud Next 2017 大会上,Graves 代表 InteractiveTel演示了他们的技术是如何提供实时语音转录为文字、关键字检测及情感分析等功能。Graves 认为,即便客户不愿意提供合同信息,依然可以大量捕获客户对产品的需求,这些需求不再依赖于单个销售人员在销售体系中准确地捕获。

图片来源: https://www.youtube.com/watch?v=7w_w01EGC7U 的截图。

查看英文原文: Google Invests In Cognitive: Cloud Speech API Reaches General Availability

2017-05-11 19:002509
用户头像

发布了 227 篇内容, 共 78.0 次阅读, 收获喜欢 28 次。

关注

评论

发布
暂无评论
发现更多内容

前端之数据结构(五)二叉树

Augus

数据结构 8月日更

设计千万级学生管理系统的考试试卷存储方案

君子意如何

「架构师训练营第 1 期」

架构实战营第一期--模块四作业

clay

架构实战营

前端通讯协议:WebSocket和长轮询

devpoint

ajax websocket 8月日更

Linux之route命令

入门小站

Linux

架构实战营 毕业总结

TH

架构实战营

架构实战营1期第四模块作业——高性能高可用存储

tt

架构实战营

毕设:设计电商秒杀系统

ifc177

架构训练营第 1 期 模块四作业

高远

考试试卷存储方案

伏波

架构

【架构训练营】模块四作业

zclau

二维码批量生成下载工具

入门小站

工具

毕业设计

CR

模块四作业

绝影

架构训练营

模块4作业G20210698020270

哆啦A萌

7月日更总结

耳东@Erdong

个人成长 个人总结 8月日更

架构实战营 - 模块 4- 设计千万级学生管理系统的考试试卷存储方案

蔸蔸

模块四作业

VE

架构实战营

架构训练营毕业设计—电商秒杀系统

Neil43

架构训练营

电商秒杀系统

唐江

架构实战营

[架构实战营]模块四作业

xyu

#架构实战营

千万级学生管理系统的考试试卷存储方案

feitian

架构实战营 毕业设计

TH

架构实战营

架构实战总结

华仔架构训练营

架构实战营 模块四作业

三叔叔_拖延症晚期

【架构实战营】模块四作业

Abner S.

架构实战营 #架构实战营

架构实战营 毕业设计

iProcess

架构实战营

架构训练营毕业设计

Geek_e0c25c

架构实战营

架构实战营-毕业设计

大可

《Financial Management 101》读书笔记

箭上有毒

8月日更

最后的作业-秒杀设计

大肚皮狒狒

Google发力智能识别:Cloud Speech API正式发布_微软_Kent Weare_InfoQ精选文章