กูเกิลเปิดซอร์ส Live Transcribe โปรแกรมแปลงเสียงเป็นข้อความ ใช้ Cloud Speech API

กูเกิลเปิดตัวโปรแกรม Live Transcribe มาตั้งแต่ต้นปีที่ผ่านมา ตอนนี้โปรแกรมก็เปิดเป็นโอเพนซอร์สให้นำไปคอมไพล์ (และจ่ายเงินค่า API) กันเองได้แล้ว

แม้โปรแกรมจะใช้ฟีเจอร์แปลงเสียงเป็นข้อความของ Cloud Speech API เป็นหลัก แต่ตัวโปรแกรมเองก็มีความสามารถเพิ่มเติมหลายอย่าง ได้แก่

ทนทานต่อเน็ตเวิร์คดับ สามารถรอการเชื่อมต่ออินเทอร์เน็ตได้หนึ่งชั่วโมง
เก็บข้อมูลความมั่นใจ, หมายเลขประจำผู้พูด (ทำจากตัวแอปโดยตรง)
ตรวจจับช่วงเวลาเริ่มพูดและหยุดพูด ทำให้ไม่ต้องส่งข้อมูลเสียงตลอดเวลา
เปลี่ยนไปใช้เอนจินแบบออฟไลน์ได้

ตัวไลบรารีเป็นสัญญาอนุญาตแบบ Apache 2.0 แต่โมเดลการตรวจจับผู้พูดหรือช่วงเวลาเริ่มพูดไมได้โอเพนซอร์สมาด้วย รวมถึงชุดทดสอบต่างๆ ก็ไม่ได้โอเพนซอร์สเช่นกัน

ที่มา - Google Live Transcribe Speech Engine