Speech-to-Text
您可以透過採用 Google AI 技術的 API 將語音準確轉換為文字。
-
即時轉錄內容或從已儲存的檔案中轉錄內容
-
透過語音指令提供更優質的產品使用體驗
-
從客戶互動資料取得深入分析結果，以便提升服務品質
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)。
服務範圍遍及全球
語音辨識功能支援超過 125 種語言和方言，可滿足世界各地使用者的需求。
彈性部署
您可以在任何位置部署語音辨識技術：雲端環境可使用 API，內部部署系統則能使用文字轉語音部署於地端。
示範
實際運用 Speech-to-Text
在這個示範中，您可以使用 Speech-to-Text API，輕鬆將語音轉錄技術融入應用程式。
主要功能與特色
主要功能與特色
語音調整
您可以輸入指示，提高特定字詞或詞組的轉錄準確率，藉由自訂語音辨識功能轉錄特定領域專用的字詞和冷僻詞彙。並使用各種類別將口述數字自動轉換為地址、年分和貨幣金額等。
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領域的特定品質需求，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)。
串流語音辨識
API 處理完從應用程式麥克風串流傳入的音訊內容，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。
最新資訊
說明文件
說明文件
Speech-to-Text 基本資訊
瞭解 Speech-to-Text 的基本概念。
快速入門導覽課程：使用 gcloud 工具
使用 gcloud 工具，透過指令列將音訊轉錄要求傳送至 Speech-to-Text。
最佳做法
查看透過 Speech-to-Text 轉錄音訊的最佳做法。
支援的語言
瞭解 Speech-to-Text 支援的語言，以及各種語言適用的功能和辨識模型。
文字轉語音部署於地端
進一步瞭解如何使用文字轉語音部署於地端，輕鬆將 Google 的語音辨識技術整合至您的內部部署解決方案。
用途
用途
將 IVR (互動式語音回應) 和代理程式對話功能新增至客服中心，藉此提高客戶服務系統的品質。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。Google Cloud 功能強大的解決方案 Contact Center AI 已採用 Speech-to-Text 及其強化版通話模型。
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。
轉錄音訊和影片並提供字幕，藉此提高目標對象觸及率及改善體驗。為串流內容新增即時字幕 (Subtitle)。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傳入的音訊內容，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 | 您可以輸入指示，提高特定字詞或詞組的轉錄準確率，藉由自訂語音辨識功能轉錄特定領域專用的字詞和冷僻詞彙，並使用各種類別將口述數字自動轉換為地址、年分和貨幣金額等。 |
| 文字轉語音部署於地端 | 在私人資料中心以內部部署的方式使用 Google 的語音辨識技術，完整控管基礎架構和受保護的語音資料。如要開始使用，請聯絡銷售人員。 |
| 多頻道辨識 | Speech-to-Text 可以在多頻道的情況 (例如視訊會議) 下辨識出各個頻道，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領域的特定品質需求，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。 |
| 自動偵測語言 (Beta 版) | 您最多可以指定四組語言代碼，讓 Speech-to-Text 正確識別多語言情境中使用的語言。 |
| 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哪一位使用者說出，您可以依據這項預測結果判斷說話者的身分。 |
定價
定價
每月 Speech-to-Text 成功處理的前 60 分鐘音訊免費，之後以 15 秒為單位計費。具體費率會因使用的模型、是否記錄資料及聲道數量而有不同。