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。