近日，谷歌邀请媒体在京举行视频电话会议，谷歌产品经理Sagar Savla介绍了Live Transcribe软件，这是一项免费的Android服务，通过将自动字幕技术融入日常会话，减少现实世界中的对话障碍。
谷歌表示，Live Transcribe 支持 70 种不同的语言（方言），可随着的对话的持续而作出细微的调整（类似于自动修复字幕）。为提升识别的精度，该应用还支持外部麦克风。虽然需要联网，但谷歌承诺不会将会话内容存储在服务器上。
据了解，通过自动语音识别技术 （ASR），计算机能够检测有声语言并将其现场转录为供阅读的文本，由Google云提供技术支持，Live Transcribe可以进行实时的对话字幕转录，支持超过70种语言，覆盖全球80%以上的人口。
Sagar Savla表示，虽然依靠云ASR能为我们提供更高的准确性，但Google希望可以减少Live Transcribe所需的网络流量消耗。为此，Google在先前AudioSet的工作基础上，实现了基于神经网络的设备语音检测器。该网络是一种图像式模型，类似于我们之前发布的VGGish模型，它可以检测语音并自动管理与云ASR引擎的网络连接，将长时间使用过程中的数据流量消耗降至最低。
在技术呈现方面，Google曾考虑了几种不同的模式：计算机、平板电脑、智能手机、小型投影仪，以迭代方式显示听觉信息和字幕。最后，Sagar Savla的团队决定专注于智能手机模式，因为这类设备无处不在且功能日益强大。
资料显示，世界卫生组织预计，到2055年全球将有九亿人听力受损。谷歌的这项软件可以为他们带去便利。目前该软件在亚洲已经非常流行。
来源： 网易智能