谷歌的Cloud Text-to-Speech已普遍可用
极客时间编辑部
讲述：丁婵大小：1.02M时长：02:14
近日，谷歌宣布了 Cloud Text-to-Speech 普遍可用，允许开发人员在设备或应用程序中添加自然发声的语音。此外，谷歌还发布了 Cloud Speech-to-Text 的一组更新，增加了更多功能和可用性。
据了解，Cloud Text-to-Speech 是一种通过模仿人类声音，让语音听起来更自然的技术。利用多种技术，包括 WaveNet，这是一种用于生成原始音频波形的深度神经网络，能够生成更好听、更逼真的语音。此外，谷歌还提供了与 Text-to-Speech 转换相配套的音频配置文件（测试版），让用户能够针对不同类型硬件的回放进行优化。
这项服务还可以正确地在文本输出中，添加逗号和句点等标点符号。现在，谷歌将通过新的多声道识别功能进一步发展该服务，用于转录来自多个发言者的音频。
迈克·惠特利（Mike Wheatley）在一篇文章中表示，谷歌将通过 Cloud Text-to-Speech，瞄准三个主要市场：
呼叫中心的语音响应系统，可以提供实时的自然语言对话。
物联网领域，特别是汽车信息娱乐系统、电视和机器人等产品，让这些类型的设备能够与用户交流。
播客和有声读物等应用程序，可以将文本转换为语音。
此外，谷歌还公布了 Cloud Speech-to-Text 的新功能，现在可以在测试服务中使用这些功能。开发人员可以通过说话者分类（diarization）和多通道识别分离不同的说话者，以及更高的词级置信度来构建应用程序。
除了说话者分类和多声道识别功能外，Cloud Speech-to-Text 还可以接受多种语言并进行自动检测。开发人员可以使用该功能的语音和命令功能，在每个查询中，将最多四个语言代码发送到 Cloud Speech-to-Text。随后，API 将自动确定目标语言，并返回目标语言的转录文本。
公开
同步至部落
取消
完成
0/2000
荧光笔
直线
曲线笔记
复制
AI
- 深入了解
- 翻译
- 解释
- 总结
该免费文章来自《极客视点》，如需阅读全部文章，
请先领取课程
请先领取课程
免费领取
© 版权归极客邦科技所有，未经许可不得传播售卖。 页面已增加防盗追踪，如有侵权极客邦将依法追究其法律责任。
登录 后留言
精选留言
由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。
收起评论