谷歌开源Live Transcribe语音识别转文字工具

　　谷歌在其开源博客中宣布开源 android语音识别转录工具——live transcribe的语音引擎，它可以将语音或对话实时转录为文字，还能够为听障人士提供帮助。

　　live transcribe 是谷歌于今年2月推出的一款android应用程序，它的语音识别由谷歌最先进的cloud speech api提供。但是，依赖于云引入了一些复杂性，不断变化的网络连接、数据成本和延迟等等都带来一些考验。因此，谷歌把它开源出来，希望开发人员在已有的基础上进一步构建和开发。

　　cloud speech api目前无法支持无限的音频流，团队采取了一些措施来解决这一难题，例如在达到超时之前关闭并重新启动流式传输请求，这将有效减少会话中丢失的文本量。

　　值得一提的是，live transcribe支持超过70种语言，并能够根据语音自动识别语种，其中也包括中文。

　　另外，由于是提供实时语音转录，转录出来的文本会随着语音的输入不断发生变化，降低延迟自然十分必要。该引擎能够大大降低延迟率，这都要归功于它的自定义opus编码器。

　　live transcribe语音引擎功能

　　google列出了语音引擎的以下功能（不包括说话人识别）：

　　无限流媒体。

　　支持70多种语言。

　　可以简化网络丢失（在网络和wi-fi之间切换时）。文字不会丢失，只会延迟。

　　强大的扩展网络损耗。即使网络已经停电数小时，也会重新连接。当然，没有连接就不能进行语音识别。

　　可以轻松启用和配置opus，amr-wb和flac编码。

　　包含文本格式库，用于可视化asr置信度、发言人id等。

　　可离线模型扩展。

　　内置支持语音检测器，可在延长静音期间用于停止asr，以节省资金和数据。

　　内置支持扬声器识别，可根据扬声器编号标记或着色文本。

　　英文原文：

(showdig("5800");)   (showdown("5800");)