語音輸入新技術 谷歌為Gboard帶來更快的語音識別功能

3月13日消息，谷歌近日為Gboard帶來了最新的AI語音識別功能，該功能使用RNN感測器(RNN-T)技術，大大提高了Gboard語音識別的速度和準確度。

之前的語音輸入一直使用的是基於雲的語言處理方式，也就是當我們點擊麥克風圖標時，我們錄製的語音先會被發送至雲端伺服器，然後將語音轉換為文本後發回至手機。而且該語言識別模型大小約2GB，非常佔用手機內存。

據悉，谷歌團隊花了五年時間來研究這一問題，尋找可以將流程縮小到可以在本地執行的方法，通過不斷壓縮語音識別模型大小，新版本僅佔80M，並且還支持離線工作。改進的Gboard採用字元級語言模型，轉錄文本時將逐字逐句顯示，而不是像之前一樣逐個顯示整個單詞。

目前，Gboard的這次更新僅支持Pixel手機，而且只能識別美式英語。

此外，有谷歌研究員表示，Gboard的這項語音識別新技術未來可能會支持更多手機，並拓展更多語言。

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！