CLOUD SPEECH API

Одной из главных черт текущего года становится растущий на глазах и грозящий стать непреодолимым разрыв между компаниями, разрабатывающими программы и сервисы на основе традиционных методов, и командами, использующими достижения machine learning, нейронных сетей и других элементов так называемого «искусственного интеллекта».

Известно, что в мире и в России существует несколько компаний и команд, которые добились определенных, иногда весьма внушительных, успехов в области автоматизированного перевода аудио в текст, а также так называемой аудиоаналитики.  У каждой из этих компаний есть свои очевидные плюсы и имеющиеся, по крайней мере, на сегодняшний день, серьезные минусы.

На этой неделе компания Google объявила о запуске CLOUD SPEECH API LIMITED PREVIEW. Это сервис преобразования аудио в текст на основе последних достижений вычислительного интеллекта. Хотела бы особо отметить, что в данной системе реализованы не только традиционные компоненты вычислительного интеллекта, но и некоторые из решений, которые буквально на днях позволили программе AlphaGo все того же Google одержать историческую победу над одним из сильнейших в мире игроков в го.

CLOUD SPEECH API позволяет разработчикам, а в ближайшие месяцы и пользователям, конвертировать аудио в текст, применяя мощные модели нейронных сетей. API распознает более 80 языков и отдельные их диалекты. Естественно, приложение отлично работает с русским языком.

В систему помимо прочего включены мощные средства обработки сигналов, подавления шумов и выделения полезного аудио из различных звуковых сред. Это позволяет проводить конвертацию речи в текст не только в домашних, но и непосредственно в полевых условиях.

Система может работать как с аудиопотоком, поступающим с микрофона в режиме реального времени, так и переводить аудио в текст с предварительно записанного аудиофайла. Сервис поддерживает несколько звуковых форматов. В  настоящее время система открыта для тестирования разработчикам любых стран, использующих любые языки, без ограничения.