吳霞

近日，為了擴(kuò)展AI語(yǔ)音服務(wù)的市場(chǎng)，谷歌除了加強(qiáng)語(yǔ)音辨識(shí)模型、語(yǔ)言支持?jǐn)?shù)量和聲音種類之外，也調(diào)整了語(yǔ)音服務(wù)的價(jià)格。

谷歌更新文字轉(zhuǎn)語(yǔ)音和語(yǔ)音轉(zhuǎn)文字服務(wù)，除了優(yōu)化語(yǔ)音辨識(shí)模型、新支持7種語(yǔ)言和31種聲音之外，也調(diào)整了語(yǔ)音服務(wù)的價(jià)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(fèi)的語(yǔ)言轉(zhuǎn)文字服務(wù)。

谷歌指出，語(yǔ)音辨識(shí)和生成技術(shù)在人機(jī)互動(dòng)的應(yīng)用中非常關(guān)鍵，要讓人機(jī)互動(dòng)更加自然、簡(jiǎn)單且普遍，并不容易，即便使用準(zhǔn)確度高達(dá)90 %的語(yǔ)音辨識(shí)模型，還是很難真正達(dá)到有效的對(duì)話，由于許多企業(yè)的語(yǔ)音辨識(shí)模型都是要在電話中運(yùn)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(duì)這種應(yīng)用場(chǎng)景推出電話和影片的語(yǔ)音轉(zhuǎn)文字服務(wù)。

經(jīng)過(guò)不斷優(yōu)化，現(xiàn)在電話的文字錯(cuò)誤已降低了62 %，而影片的語(yǔ)音轉(zhuǎn)文字模型錯(cuò)誤率也降低了64 %，除此之外，影片的語(yǔ)音轉(zhuǎn)文字模型在辨識(shí)多個(gè)說(shuō)話者的情境中，像是會(huì)議或是廣播，也有很好的表現(xiàn)。

在價(jià)格方面，為了吸引更多用戶，谷歌將影片語(yǔ)音轉(zhuǎn)文字模型收費(fèi)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(jì)畫(huà)的用戶，收費(fèi)價(jià)格會(huì)減少33 %。因此，若使用影片模型且選擇加入收集資料計(jì)畫(huà)的用戶，將能夠減少約50 %的支出。

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