search
Cloud Блог – Вдосконалені моделі та функції Speech-to-Text тепер доступні новим мовам

Вдосконалені моделі та функції Speech-to-Text тепер доступні новим мовам

Від аналізу викликів до автоматизованих відеосубтитрів — інтерфейс Speech змінює спосіб взаємодії людей та відкриває нові можливості для бізнесу. Адже технологія розпізнавання мови лежить в основі всіх перетворень й втілює нові ідеї в життя.

Google Cloud Speech-to-Text  API дозволяє користувачам відправляти  аудіоповідомлення різних форматів й отримувати їх транскрипцію. А можливості цієї технології підтримують тисячі різних рішень, включаючи Contact Center AI та Video Transcription. 

Speech-to-Text є максимально доступною, ексклюзивною та надзвичайно  корисною технологією. Тому ми раді анонсувати вам її оновлені функції, які включають: 

  • сім абсолютно нових мов;
  • удосконалення та розширення телефонії до трьох нових мов;
  • адаптація мовлення для 68 нових мов;
  • діарізація спікерів у 10 нових мовах (Відокремлення різних голосів в аудіозаписі);
  • та автоматична пунктуація для 18 нових мов.

Завдяки цьому, більш ніж 200 тисяч користувачів зможуть скористатися технологією Speech-to-Text вперше, а понад 3 мільярдів отримають більш точну та функціональну транскрипцію.

Розширення підтримки

З моменту першого анонсу Speech-to-Text, Google постійно розширює спектр підтримуваних мов (до 127 в загальній кількості) для забезпечення високоякісної технології розпізнавання мовлення. Зараз користувачам стануть доступні 7 нових мов: бірманська, естонська, узбецька, пенджабська, албанська, македонська і монгольська.

Sourcenext, виробник портативного голосового перекладача Pocketalk, є однією з організацій, що користується всебічною мовною підтримкою Google Cloud Speech-to-Text.

«Широкі можливості Google Cloud Speech-to-Text, уможливили створення нашого Pocketalk», – сказав Хаджиме Каватаке, операційний директор з технологічної стратегії, Sourcenext Corporation. «Завдяки чому — підвищилась якість нашого продукту, оскільки клієнти можуть отримувати високоточні й надійні переклади з будь-якої точки світу».

Удосконалена модель телефонії

Навесні 2018 року Google запустив розширену модель транскрипції телефонії для англійської мови (США), що  підвищило рівень розпізнавання мови та транскрипції для клієнтів з неідеальними аудіоданими телефонів та відеодзвінків. Завдяки цьому рівень якості виріс на 62%, у порівнянні з базовою моделлю, та допоміг  Contact Center AI трансформувати роботу call-центру. 

Тож оголошуємо про  підтримку трьох нових мов у Speech-to-Text: англійської, російської й іспанської (США).

Одним з перших, хто скористався цією функцією став Voximplant – хмарна платформа для розробників комунікаційних сервісів і додатків, з багатьма корпоративними клієнтами в Росії.  Вони миттєво усвідомили виняткову точність нової моделі, про що свідчать слова Олексія Айларова, Генерального директора Voximplant:

«Ми почали співпрацювати з Google Cloud, тому що хотіли оновити нашу голосову платформу за допомогою технології Google AI. Оскільки ми часто отримуємо аудіосигнали телефонних мереж з низькою пропускною здатністю, вдосконалені моделі телефонії змінюють правила гри, забезпечуючи підвищену точність розмов між людьми і віртуальними агентами. Ми в захваті від прагнення Google Cloud, щодо надання високоякісних моделей ще більшій кількості користувачів».

Адаптація мовлення

Адаптація мови дозволяє користувачам налаштовувати потужні моделі Google в режимі реального часу. За допомогою мовної адаптації можна зробити розпізнавання власних імен та назв продуктів.Також є  можливість задати API шляхи повернення інформації, що значно покращує якість розпізнавання мови.

Google впроваджує нову технологію, що поліпшує мовну адаптацію у  68 нових регіонах. Це нововведення дасть можливість користувачам детально контролювати вплив  мовленнєвої моделі на найважливіші терміни. Окрім цього, додається велика кількість популярних “числових класів” на декількох нових мовах:

  • Французькій
  • Німецькій
  • Іспанській
  • Японській
  • Мандаринській

та інших.

Діарізація спікерів

Діарізація — це можливість автоматично визначати окремі слова й речення різних спікерів в аудіофайлі, що дозволяє користувачам зрозуміти не тільки те, що було сказано, але й хто сказав. Можливість з легкістю додавати субтитри до аудіо- або відеофайлів стала доступна в 10 нових мовах:

  • Англійській (UK)
  • Іспанській
  • Японській
  • Мандаринській

та інших.

Автоматична пунктуація

Пунктуація являється ключовим фактором, що дозволяє підвищити точність транскрипції та якість перекладу. Тому завдяки впровадженню автоматичної пунктуації у 18 нових мовах,  більшість користувачів зможуть отримувати стенограми, що в точності будуть відтворювати контекст, який намагався передати певний користувач. Ось перелік мов, яким стала доступні ця функція :

 

  • Німецька
  • Французька 
  • Японська
  • Шведська

 

та інші.

 

Отже, нові мови та вдосконаленні функції інтерфейсу дадуть змогу мільярду користувачів по всьому  використовувати високоякісну технологію розпізнавання мови. Якщо Ви зацікавленні у трансформації своєї організації за допомогою технології Speech-to-Text  – звертайтесь у Cloudfresh! Наші сертифіковані експерти проконсультують та зроблять все необхідне для того, щоб Ви використовували існуючі технології максимально ефективно.