订阅业界RSS CSDN首页> 业界

百度长语音识别功能提高转写效率 不再被60秒“束缚”

发表于2017-10-09 17:18| 次阅读| 来源互联网| 0 条评论| 作者互联网

摘要:当语音输入不再受时间的限制,用户是否可以真正实现动口不动手?近日,百度AI开放平台向开发者免费开放长语音识别功能,通过SDK调用服务,可将长语音转换为文字。据了解,新版本SDK解除了对时间的限制,开发者无需再将长语音切割成60秒以内的分段,进行调用,提升了转写的效率和语音识别的体验。...

 当语音输入不再受时间的限制,用户是否可以真正实现“动口不动手”?近日,百度AI开放平台向开发者免费开放长语音识别功能,通过SDK调用服务,可将长语音转换为文字。据了解,新版本SDK解除了对时间的限制,开发者无需再将长语音切割成60秒以内的分段,进行调用,提升了转写的效率和语音识别的体验。对于用户来说,新版本告别之前60秒的“束缚”,可根据需要自行把控时间,极大地提高了灵活性。

随着用户对移动端语音功能需求的增长,开发者也开始纷纷将产品接入语音功能。目前,开发者多通过第三方接入语音识别技术,以减少研发时间、降低研发成本。但是,大部分公司提供的语音识别功能有时间限制,类似会议录音、长语句等长语音识别成了难题,虽然市面上存在一些长语音识别技术支持方,但开发者需要为此支付大笔的技术接入费用,徒增业务成本。

对于用户,受“60秒”限制的语音识别功能往往无法满足他们在生活、工作中的需求,这不仅影响他们使用语音识别功能的“兴致”,同时会导致用户对一些搭载了语音识别功能的产品“敬而远之”。

为解决这些痛点,百度基于原有语音识别技术,新增长语音识别功能,让语音识别不再局限于60秒,并且为开发者免费开放。比如开发者可将长语音识别用于会议记录、实时字幕和语音笔记等场景,让产品实现不同时长的音频转换为文字信息,或将直播、视频、现场演讲等音频进行实时字幕转换等功能,方便后期文字处理和内容存档,省去记录的人力和时间成本,大幅提升了转换效率,给予开发者和用户更好的使用体验。

百度长语音识别适用于安卓SDK、iOS SDK,均在原有的离在线融合SDK上升级,开发者可根据不同情况接入百度长语音识别功能。目前,开发者可登陆百度AI开放平台(ai.baidu.com),在“SDK下载”界面中,下载体验百度长语音识别功能。

据了解,作为全球最早进军人工智能领域的公司之一,百度早在2010年就已经开始智能语音及相关技术研发,分别于2014年和2015年年底发布了深度语音识别系统Deep Speech和Deep Speech 2。该系统使用“端对端”的深度学习技术,在噪音环境下的表现比谷歌、微软以及苹果的语音系统更好。同时,百度凭借深度语音识别技术于 2016年入选MIT十大突破技术。2017年初,百度推出网页应用SwiftScribe,它能将音频文件转为文本,30秒内就可转换完成时长1分钟的音频文件,转化效率较人工速记快1.67倍,极大提升速记行业转录效率,加速语音行业的发展。

 

 

 【免责声明:CSDN本栏目发布信息,目的在于传播更多信息,丰富网络文化,稿件仅代表作者个人观点,与CSDN无关。其原创性以及中文陈述文字和文字内容未经本网证实,对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本网不做任何保证或者承诺,请读者仅作参考,并请自行核实相关内容。凡注明为其他媒体来源的信息,均为转载自其他媒体,转载并不代表本网赞同其观点,也不代表本网对其真实性负责。您若对该稿件由任何怀疑或质疑,请即与CSDN联系,我们将迅速给您回应并做处理。】

0
0