Google開源即時轉錄原始編碼 讓更多開發者以此打造豐富語音工具

Google 在今年2月推出名為「即時轉錄 (Live Transcribe)」的語音工具，讓使用者能即時將口說或播放的語句內容快速識別轉換為文字內容，讓聽力有問題的人也能快速知曉。而在稍早時候，Google更進一步將此項語音工具開源，讓更多開發者能藉此打造便利的應用工具。

「即時轉錄」的技術源自Google Cloud Platform所提供的Cloud Speech API，除了藉由雲端協同運算提高語音內容識別精準度，同時也能藉由Android裝置進行前期運算，讓實際識別轉換效果更好。

其實在今年準備釋出正式版本更新的Android Q (10.0)所搭載的Live Caption功能，在背後運作其實也採用相同運作模式，但可藉由Android裝置進行簡單運算，即便在沒有連網情況下也能完成一定程度的語音內容識別、轉換，而配合連網運作則可讓實際識別正確率提高，同時也能以更快效率完成轉換。

目前Google進一步將「即時轉錄」工具編碼內容開源，自然希望能藉由更多開發者已此打造更豐富的實用語音工具。

而為了讓「即時轉錄」有更好應用表現，Google更進一步降低背後需要使用網路頻寬，在不影響識別轉換精準度情況下，約讓網路頻寬使用量縮減為原本的10%，同時為了讓即時語音識別效率提昇，並且減少反應延遲表現，Google也藉由自訂Opus編碼器降低延遲問題。

在現階段裡，「即時轉錄」已經支援中文、日文、英文在內70種語言，但部分語言在內容識別仍有其侷限，例如日文暫時還難以判斷完整語句的結尾，因此實際辨識結果可能會變成所有語句均連接在一起，難以分辨前後句的情況。

《原文刊登於合作媒體mashdigi，聯合新聞網獲授權轉載。》