Google даде достъп до своя API за разпознаване на човешка реч за 80 езика

Google направи ценен подарък на всички програмисти като даде достъп до програмния интерфейс Cloud Speech API. Засега услугата е безплатна, а различните тарифи се очаква да бъдат обявени по-късно.

Разпознаването на човешката реч работи за 80 езика. Възможно е директното разпознаване на речта от микрофона, както и подаването на аудиозаписи засега с дължина до 2 минути. Поддържат се много формати, включително FLAC, AMR и PCMU.

Сега във всяка програма може да бъде вградено гласово управление чрез Cloud Speech API. Системата мигновено в реално време показва разпознатия текст.

Google добавя, че Speech API добре работи и при наличието на странични шумове и не се налага предварителното филтриране и обработка на звука. За някои езици може да бъде включено автоматично филтриране на нежелани думи и изрази.

Google съобщи за Cloud Speech API по време на конференцията NEXT, която се проведе на 24-ти март тази година. Освен до Cloud Speech API интернет-гигантът даде достъп и до системата за машинно обучение Cloud Machine Learning.

Даването на достъп до Google API за разпознаване на човешка реч силно ще се отрази например на компанията Nuance, която възнамеряваше да предложи свое решение на пазара. Засегната ще бъде и Apple, чийто гласови помощник Siri значително отстъпва на невронната мрежа на Google.