智能语音转录工具：Live Transcribe

导语

在众多语音转录工具中，谷歌开源的Live Transcribe将为用户带来更加便捷和创新的语音体验。

一、多种转录方式，兼容所有安卓设备

今年二月，谷歌推出了Live Transcribe，这是一款利用机器学习技术将音频转化为实时字幕的工具。与谷歌即将推出的Live Caption功能不同，Live Transcribe是一种全屏体验，它依靠谷歌云Speech API，使用户能够通过智能手机或外接麦克风进行语音转录。

Live Transcribe不仅是一种交流工具，它能够用70多种语言和方言实时转录口语。此外，用户还可以通过输入文字进行转录。与Live Caption相比，Live Transcribe可以在大约18亿台安卓设备上运行，而Live Caption则只适用于部分Android Q设备。

二、解决云上工作的潜在问题

目前，谷歌的Cloud Speech API不支持无限长的音频流，且由于依赖云服务，可能会面临网络连接不稳定、数据成本高和延迟等问题。为此，Live Transcribe在请求超时前会自动重启，并在长时间静音时重新启动会话。同时，它会缓存音频数据，在网络恢复时发送。

此外，谷歌评估了多种音频编解码器，如FLAC、AMR-WB和Opus，以降低带宽需求和成本。FLAC虽然保持了较高的转录准确性，但存在延迟问题；AMR-WB虽然节省数据，但在嘈杂环境中准确性不足；Opus则能在低数据速率下保持音频信号的关键细节，从而实现更低的延迟。

三、Live Transcribe的九项功能

谷歌详细列出了Live Transcribe的九项功能，但不包括说话人识别：

1. 支持有限流媒体传输；
2. 能够支持70多种语言；
3. 当用户在网络和Wi-Fi之间切换时，文字只会延迟，不会丢失；
4. 对网络丢失具有鲁棒性，即使网络中断数小时，仍可重新连接；
5. 支持Opus、AMR-WB和FLAC编码的启用和配置；
6. 包含文本格式库，用于显示ASR置信度和发言人ID等信息；
7. 支持离线模式；
8. 内置语音检测器，用于在长时间静音时停止ASR，以节省数据和成本；
9. 内置支持扬声器识别，用于标记或着色文本。

谷歌为开发人员提供了APK文件，让他们无需编写代码即可试用这些功能。

结语

Live Transcribe是谷歌与加拉德特大学合作开发的工具，旨在为失聪和听障用户提供更高效的沟通方式。对于普通用户而言，这款工具同样能帮助他们更快适应各种新的语言环境，提升沟通效率。