Google LLC拒絕放棄人工智能方面的工作。在今天的最新更新中，這家網(wǎng)絡(luò)巨頭宣布對(duì)其流行的云語(yǔ)音應(yīng)用程序編程接口進(jìn)行了一些重大更改。

谷歌表示，它正在將Cloud Speech API重命名為“ Cloud Speech-to-Text ”，以幫助將其標(biāo)識(shí)為實(shí)際服務(wù)，而不是開(kāi)發(fā)人員可以使用的工具。該服務(wù)本身還獲得了許多新的增強(qiáng)功能，這些功能應(yīng)有助于提高其作為企業(yè)和其他用戶的轉(zhuǎn)錄輔助工具的可靠性。

更智能的模型

公告是由Google Cloud AI產(chǎn)品經(jīng)理Dan Aharon在博客中發(fā)布的，他說(shuō)很多重點(diǎn)是提高Cloud Speech-to-Text的電話和視頻通話轉(zhuǎn)錄功能。為此，Aharon和他的團(tuán)隊(duì)引入了專門針對(duì)這些媒介的新模型。用戶現(xiàn)在可以為每種情況選擇最合適的模型，而以前的API會(huì)自動(dòng)執(zhí)行此操作。

增強(qiáng)的“電話呼叫模型”在構(gòu)建時(shí)特別考慮了隱私，這意味著在創(chuàng)建過(guò)程中使用的數(shù)千小時(shí)的培訓(xùn)數(shù)據(jù)集是Google企業(yè)客戶自愿提供的。Google認(rèn)為，新模式可確保在轉(zhuǎn)錄電話對(duì)話時(shí)的錯(cuò)誤比以前的基本phone_call模式減少54%。

還有一種針對(duì)視頻通話情況的新模型，該模型基于YouTube使用的機(jī)器學(xué)習(xí)技術(shù)為其視頻提供字幕。在這種情況下，Google聲稱與以前的模型相比，錯(cuò)誤減少了64%。

Aharon說(shuō)，增強(qiáng)的phone_call和高價(jià)視頻模型現(xiàn)在都可以用于美國(guó)英語(yǔ)轉(zhuǎn)錄，并且很快將用于其他語(yǔ)言。“我們還將繼續(xù)提供現(xiàn)有的語(yǔ)音command_and_search模型以及長(zhǎng)格式轉(zhuǎn)錄的默認(rèn)模型。”

Google在此處免費(fèi)提供了Cloud Speech-to-Text的新模型的演示。

輕松閱讀

除了改進(jìn)的模型之外，Cloud Speech-to-Text現(xiàn)在可以首次處理標(biāo)點(diǎn)，盡管僅在beta中。正如Aharon在其帖子中所承認(rèn)的那樣，“很難對(duì)轉(zhuǎn)錄的語(yǔ)音進(jìn)行適當(dāng)?shù)臉?biāo)點(diǎn)插入”，但是該公司認(rèn)為，通過(guò)創(chuàng)建一個(gè)稱為長(zhǎng)期短期記憶神經(jīng)網(wǎng)絡(luò)的東西(通過(guò)添加逗號(hào)，句號(hào)和問(wèn)號(hào))來(lái)解決該問(wèn)題，在句子上。

最終，Google希望其用戶通過(guò)為轉(zhuǎn)錄的音頻和視頻提供識(shí)別元數(shù)據(jù)來(lái)幫助改善Cloud Speech-to-Text。這個(gè)想法是，用戶將能夠根據(jù)他們所包含的內(nèi)容類型來(lái)標(biāo)記音頻和視頻記錄。標(biāo)簽的示例可能是“購(gòu)物應(yīng)用程序的語(yǔ)音命令”或“籃球體育電視節(jié)目”。然后，這些數(shù)據(jù)將跨用戶匯總，以告知Google未來(lái)更新的重點(diǎn)。

谷歌表示，目前所有型號(hào)的云語(yǔ)音轉(zhuǎn)文本價(jià)格為每15秒十分之一美分，而視頻型號(hào)的價(jià)格為每15秒1.2美分，是后者的兩倍。