Speech-to-Text
您可以透過採用 Google AI 研究和技術精華的 API，將語音準確轉換為文字。
新客戶可以獲得價值 $300 美元的免費抵免額，盡情體驗 Speech-to-Text。所有客戶每月都能免費轉錄及分析 60 分鐘的音訊，且不會耗用抵免額。
將內容準確轉錄為字幕
讓語音大顯神威，打造更優質的使用者體驗
從客戶互動資料取得深入分析結果，提升服務品質
參閱控制台中的教學課程，瞭解如何快速上手
優點
絕佳準確率
運用 Google 最先進的深度學習類神經網路演算法，提供自動語音辨識功能 (ASR)。
輕鬆自訂模型
透過 Speech-to-Text 的使用者介面製作及管理自訂資源，並進行實驗。
靈活部署模型
您可以在任何所需位置部署 ASR 技術：雲端環境可使用 API，地端部署系統則能使用 Speech-to-Text 部署於地端。
示範
實際運用 Speech-to-Text
如同以下示範，您可以使用 Speech-to-Text API，輕鬆將語音轉錄技術融入應用程式中。
主要功能與特色
主要功能與特色
語音調整
您可以輸入提示，在轉錄冷僻和特定領域專用的字詞或詞組時，提高轉錄準確率；也可以使用類別將口述數字自動轉換為地址、年份或貨幣金額等等。
特定領域專用的模型
對於語音控制、電話和影片語音轉錄等特定領域的品質需求，我們已訓練出多個最佳化模型供您選用。
輕鬆比較品質
透過簡單易用的使用者介面來進行語音實驗，並嘗試不同設定來取得最佳品質和準確率。
裝置端語音
無論是否連上網際網路，都能直接在任何裝置上執行 Google Cloud 語音演算法，讓使用者瞭解自己的語音資料只會留在裝置中，不會外流。
Speech-to-Text 的基礎模型
您可以透過採用 Chirp 的語音模型，為全球目標對象建構支援語音功能的應用程式。Chirp 是以數百萬小時的音訊資料和數十億個文句訓練而成，是 Google Cloud 的語音基礎模型。
客戶
客戶經驗談：使用 Speech-to-Text 建構音訊和語音解決方案
最新消息
最新消息
訂閱 Google Cloud 電子報，即時掌握產品動態、活動資訊和特價優惠等最新消息。
說明文件
教學課程和入門資源
Speech-to-Text 部署於地端
找不到所需資訊嗎？
使用案例
使用案例
提升客戶服務品質
將 IVR (互動式語音回應) 和虛擬服務專員對話功能導入客服中心，打造更強大的客戶服務系統。分析對話資料，取得更多深入分析結果，進一步瞭解通話內容和您的客戶。Contact Center AI 這個功能強大的 Google Cloud 解決方案已採用 Speech-to-Text 及 Speech-to-Text 的強化版電話通話模型。
提供語音控制機制
導入語音指令 (例如「調高音量」) 和語音搜尋 (例如說出「巴黎的氣溫幾度？」) 功能，再搭配使用 Text-to-Speech API，在 IoT (物聯網) 應用程式中提供支援語音功能的體驗。
轉錄多媒體內容
透過轉錄音訊和影片來提供字幕，以提高目標對象觸及率及改善體驗，也可以為串流內容新增即時字幕。我們的影片語音轉錄模型採用與 YouTube 影片字幕功能相似的機器學習技術，因此相當適合用來為影片和/或說話者眾多的內容建立索引或提供字幕。
所有功能與特色
所有功能與特色
| 包含全球詞彙 | Speech-to-Text 的語言支援範圍相當廣闊 (超過 125 種語言和方言)，可滿足全球使用者的需求。 |
| 串流語音辨識 | API 處理完從應用程式麥克風串流輸入的音訊內容，或是以預先錄製的音訊檔案 (內嵌或透過 Cloud Storage 均可) 傳送的音訊內容之後，使用者就能即時接收語音辨識結果。 |
| 語音調整 | |
| Speech-to-Text 部署於地端 | |
| 多聲道辨識 | Speech-to-Text 可以在多聲道的情況 (例如視訊會議) 下辨識出各個聲道，然後依據發言順序註記轉錄結果。 |
| 具備雜訊處理功能 | Speech-to-Text 可以處理多種環境雜訊，因此您不必另外消除噪音。 |
| 特定領域專用的模型 | 對於語音控制、電話和影片語音轉錄等特定領域的品質需求，我們已訓練出多個最佳化模型供您選用。舉例來說，我們的強化版通話模型是專門針對電話語音而調整 (包括取樣率為 8khz 的電話錄音)。 |
| 內容篩選 | 不雅用語篩選器可協助您在音訊資料中偵測不當或不專業的內容，並在文字結果中過濾掉不雅字詞。 |
| 語音轉錄評估 | 上傳您的語音資料並透過無程式碼工具轉錄。接著，即可對設定進行疊代來評估品質。 |
| 自動加上標點符號 (Beta 版) | Speech-to-Text 可以在轉錄結果中加上正確的標點符號，例如逗號、問號和句號。 |
| 說話者分段標記 (Beta 版) | 系統會自動預測對話中的每句話是由誰說出，您可以依據這項預測結果判斷說話者的身分。 |