Speech-to-Text
Convertissez de la voix en texte avec précision, à l'aide d'une API optimisée par les technologies d'IA de Google.
Profiter d'un essai gratuit-
Transcrivez vos contenus avec des sous-titres fidèles.
-
Améliorez l'expérience utilisateur dans les produits grâce aux commandes vocales.
-
Dégagez des insights à partir des interactions client afin d'améliorer votre service.
Précision inégalée
Appliquez les algorithmes de deep learning basés sur les réseaux de neurones les plus sophistiqués du marché à des fins de reconnaissance vocale automatique.
Portée mondiale
Allez à la rencontre des utilisateurs où qu'ils soient dans le monde grâce à la reconnaissance vocale disponible dans plus de 125 langues et variantes.
Innovation accélérée
Tirez parti des meilleures technologies Google dans Text-to-Speech et Natural Language pour bénéficier de fonctionnalités telles que les bots vocaux et l'analyse des sentiments dans la voix.
Speech-to-Text en action
Principales fonctionnalités
Adaptation vocale
Personnalisez la fonction de reconnaissance vocale pour transcrire des mots rares et des termes propres à un domaine à l'aide de suggestions, et améliorer la précision de transcription de mots ou expressions spécifiques. Convertissez automatiquement les nombres prononcés en adresses, années, devises, etc. au moyen de classes.
Modèles propres à un domaine
Faites votre choix parmi une sélection de modèles entraînés pour les commandes vocales et la transcription de vidéos et d'appels téléphoniques, optimisés de façon à répondre aux exigences de qualité du domaine. Par exemple, notre modèle d'appel téléphonique amélioré est spécialement adapté au son provenant de sources téléphoniques, comme les appels enregistrés avec un taux d'échantillonnage de 8 kHz.
Reconnaissance vocale en continu
Obtenez en temps réel les résultats de la reconnaissance vocale à mesure que l'API traite l'entrée audio capturée par le micro de l'application ou provenant d'un fichier audio préenregistré (intégré ou depuis Cloud Storage).
Clients
Castbox s'appuie sur Speech-to-Text pour son service de recherche audio de podcasts.
Lire le témoignagePoints clés
-
Accès des utilisateurs à la fonctionnalité de recherche de mots et d'expressions dans les contenus audio
-
Taux de précision de la conversion de l'audio en texte supérieurs à 96 %
-
Requêtes de recherche standards avec une latence de 50 millisecondes
Secteur
-
Technologie
Nouveautés
Inscrivez-vous à la newsletter Google Cloud pour recevoir des informations sur les produits et événements, des offres spéciales et bien plus encore.
Documentation
Principes de base de Speech-to-Text
Découvrez les concepts fondamentaux de Speech-to-Text.
Guide de démarrage rapide : utiliser l'outil gcloud
Envoyez une requête de transcription audio à Speech-to-Text avec l'outil gcloud depuis la ligne de commande.
Bonnes pratiques
Consultez les bonnes pratiques de transcription audio avec Speech-to-Text.
Tremplin vers le ML
Explorez les tutoriels, les ateliers de programmations et autres ressources pour Speech-to-Text.
Langues acceptées
Découvrez les langues proposées dans Speech-to-Text, ainsi que les fonctionnalités et modèles de reconnaissance disponibles pour chacune.
Cas d'utilisation
Perfectionnez votre système de service client en dotant vos centres d'appels de la fonction de réponse vocale interactive et d'agents de conversation. Effectuez des analyses sur vos données de conversation pour dégager des insights sur les appels et les clients. Speech-to-Text et ses modèles d'appels téléphoniques améliorés sont déjà inclus dans la solution hautes performances de Google Cloud, Contact Center AI.
Mettez en place des commandes vocales comme "Monter le son" et des recherches vocales telles que "Combien fait-il à Paris ?". Associez-les à l'API Text-to-Speech pour bénéficier des atouts de la reconnaissance vocale dans les applications IoT (Internet des objets).
Transcrivez vos contenus audio et vidéo afin d'inclure des sous-titres : vous pourrez ainsi toucher une plus large audience et améliorer l'expérience pour les spectateurs. Ajoutez des sous-titres à vos contenus diffusés en temps réel. Notre modèle de transcription vidéo est idéal pour indexer ou sous-titrer des contenus vidéo et/ou comportant plusieurs locuteurs. Il emploie une technologie de machine learning comparable à celle utilisée pour créer des sous-titres dans YouTube.
Toutes les fonctionnalités
| Vocabulaire international | Adaptez-vous à votre base d'utilisateurs internationale grâce aux plus de 125 langues et variantes disponibles avec Speech-to-Text. |
| Reconnaissance vocale en continu | Obtenez en temps réel les résultats de la reconnaissance vocale à mesure que l'API traite l'entrée audio capturée par le micro de l'application ou provenant d'un fichier audio préenregistré (intégré ou depuis Cloud Storage). |
| Adaptation vocale | Personnalisez la fonction de reconnaissance vocale pour transcrire des mots rares et des termes propres à un domaine à l'aide de suggestions, et améliorer la précision de transcription de mots ou expressions spécifiques. Convertissez automatiquement les nombres prononcés en adresses, années, devises, etc. au moyen de classes. |
| Reconnaissance multicanal | Speech-to-Text peut reconnaître les différents canaux présents (par exemple, lors d'une visioconférence) et annoter les transcriptions de façon à conserver l'ordre d'intervention. |
| Filtrage du bruit | Speech-to-Text filtre le bruit provenant de nombreux environnements, ce qui vous évite d'avoir à effectuer vous-même cette opération. |
| Modèles propres à un domaine | Faites votre choix parmi une sélection de modèles entraînés pour les commandes vocales et la transcription de vidéos et d'appels téléphoniques, optimisés de façon à répondre aux exigences de qualité du domaine. Par exemple, notre modèle d'appel téléphonique amélioré est spécialement adapté au son provenant de sources téléphoniques, comme les appels enregistrés avec un taux d'échantillonnage de 8 kHz. |
| Filtrage du contenu | Le filtre contre les grossièretés vous aide à détecter les contenus inappropriés ou peu professionnels dans vos données audio et à supprimer les termes grossiers dans le texte généré. |
| Détection automatique de la langue (bêta) | Indiquez jusqu'à quatre codes de langue pour permettre à Speech-to-Text d'identifier la langue dans les scénarios multilingues. |
| Ponctuation automatique (bêta) | Speech-to-Text ponctue les transcriptions avec précision (virgules, points d'interrogation, points, etc.). |
| Identification du locuteur (bêta) | Identifiez l'auteur d'un propos en recevant des prédictions automatiques sur le locuteur de chaque énoncé au sein d'une conversation. |
Tarifs
Speech-to-Text est facturé par tranches de 15 secondes de son traité après les 60 premières minutes gratuites.