吳霞

近日，為了擴展AI語音服務(wù)的市場，谷歌除了加強語音辨識模型、語言支持?jǐn)?shù)量和聲音種類之外，也調(diào)整了語音服務(wù)的價格。

谷歌更新文字轉(zhuǎn)語音和語音轉(zhuǎn)文字服務(wù)，除了優(yōu)化語音辨識模型、新支持7種語言和31種聲音之外，也調(diào)整了語音服務(wù)的價格，在特定的應(yīng)用情境中，用戶最多可以省下約50 %的支出，谷歌提供每月前60分鐘免費的語言轉(zhuǎn)文字服務(wù)。

谷歌指出，語音辨識和生成技術(shù)在人機互動的應(yīng)用中非常關(guān)鍵，要讓人機互動更加自然、簡單且普遍，并不容易，即便使用準(zhǔn)確度高達90 %的語音辨識模型，還是很難真正達到有效的對話，由于許多企業(yè)的語音辨識模型都是要在電話中運行，受到噪音的干擾，產(chǎn)生的文字資訊讓模型難以處理，谷歌于2018年4月針對這種應(yīng)用場景推出電話和影片的語音轉(zhuǎn)文字服務(wù)。

經(jīng)過不斷優(yōu)化，現(xiàn)在電話的文字錯誤已降低了62 %，而影片的語音轉(zhuǎn)文字模型錯誤率也降低了64 %，除此之外，影片的語音轉(zhuǎn)文字模型在辨識多個說話者的情境中，像是會議或是廣播，也有很好的表現(xiàn)。

在價格方面，為了吸引更多用戶，谷歌將影片語音轉(zhuǎn)文字模型收費調(diào)降了25 %，而在標(biāo)準(zhǔn)和影片模型服務(wù)中，選擇加入資料收集計畫的用戶，收費價格會減少33 %。因此，若使用影片模型且選擇加入收集資料計畫的用戶，將能夠減少約50 %的支出。

此外，支持的語言也是企業(yè)使用語音轉(zhuǎn)文字辨識模型的一大考量，現(xiàn)在谷歌新增了7個語言和方言，包含：丹麥語、葡萄牙語、俄語、波蘭語、斯洛伐克語、烏克蘭語和挪威語，加上上述新增的語言，目前總共支持21種語言，這些新增的語言都還是測試版。在語音生成模型方面，谷歌的語音生成系統(tǒng)WaveNet也新增了31種聲音，目前總共有包含21種語言的57種聲音。