BT

如何利用碎片时间提升技术认知与能力? 点击获取答案

Google发力智能识别:Cloud Speech API正式发布

| 作者 Kent Weare 关注 7 他的粉丝 ,译者 Rays 关注 1 他的粉丝 发布于 2017年5月12日. 估计阅读时间: 5 分钟 | QCon北京2018全面起航:开启与Netflix、微软、ThoughtWorks等公司的技术创新之路!

亲爱的读者:我们最近添加了一些个人消息定制功能,您只需选择感兴趣的技术主题,即可获取重要资讯的邮件和网页通知

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

评价本文

专业度
风格

您好,朋友!

您需要 注册一个InfoQ账号 或者 才能进行评论。在您完成注册后还需要进行一些设置。

获得来自InfoQ的更多体验。

告诉我们您的想法

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我
社区评论

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

允许的HTML标签: a,b,br,blockquote,i,li,pre,u,ul,p

当有人回复此评论时请E-mail通知我

讨论

登陆InfoQ,与你最关心的话题互动。


找回密码....

Follow

关注你最喜爱的话题和作者

快速浏览网站内你所感兴趣话题的精选内容。

Like

内容自由定制

选择想要阅读的主题和喜爱的作者定制自己的新闻源。

Notifications

获取更新

设置通知机制以获取内容更新对您而言是否重要

BT