热搜话题榜单

普通话也能转文字！谷歌云端语音识别服务正式上线

站长之家(ChinaZ.com) 4 月 21 日消息，Google 日前正式发布旗下云端语音识别 API ，支持 80 多种语言，包括粤语和普通话。Google 在去年夏天推出了云端语音识别 API 公开测试版，现在发布了正式版本，提供云端开发人员使用。Google 云端语音识别服务(Cloud Speech API)新版 API 加强了长版音频文件的转录精准度，也新增支持 WAV、Opus 和 Speex 文件格式，Google 表示，新版语音识别 API 比旧版的批处理速度快 3 倍。Google 云端?

知情人士：微软洽谈160亿美元收购语音识别服务提供商Nuance

据国外媒体报道，在260亿美元收购领英、75亿美元收购ZeniMax之后，微软仍在进行大手笔的收购，多家外媒报道称他们正在洽谈收购语音识别服务提供商Nuance，收购价格接近160亿美元。

谷歌的野心：通用语音识别大模型已经支持100+语言

去年11月，谷歌宣布推出「1000种语言计划」，旨在构建一个机器学习++模型，支持世界上使用最广泛的1000种语言，从为全球数十亿人带来更大的包容性。其中一些语言的使用人数不到两千万，因此核心挑战是如何支持使用人数相对较少或可用数据有限的语言。USM+的基础模型架构和训练+pipeline+奠定了将语音建模扩展到未来1000种语言的根基。

Android手机不幸躺枪：谷歌云端备份失败 问题至今未修复

11 月 16 日消息，据9to5Google报道，过去几个月时间不少Android用户反映谷歌云端备份失败，至今未修复。

谷歌搜索将利用语音识别技术帮助用户学习复杂单词发音

为了让用户能更简单的学习单词的正确发音，谷歌日前引入了一个新的搜索功能，让用户练习一些复杂的单词。

谷歌人工智能技术 可将语音识别错误率降低29％

【CNMO新闻】近期，语音识别技术发展迅猛，像EdgeSpeechNet等最先进的模型能够达到97%的准确率，但即使是最好的系统偶尔也会被生僻字难倒。为了解决这个问题，谷歌和加利福尼亚大学的科学家提出了一种方法，可以利用

谷歌幻灯片工具增语音识别新功能

据新浪科技报道，谷歌本周宣布，将在Google Slides演示工具中加入新的自动字幕功能。此前，谷歌已经在多款产品中提供语音识别功能。例如，谷歌文档允许用户使用语音编辑文本，而谷歌的移动输入法Gboard也支持语音输入。Android TV用户可以使用自然语言语音搜索内容。​

谷歌最牛语音识别上线：识别80种语言 粤语可直转文字

号外!号外!谷歌公司最近又推出了不得的黑科技——云端语音识别服务。与其他语音识别不同的是，该服务强大到能够识别全球超过 80 种语言，也就是说，有了它，全球各国的人们基本都可以告别打字，将语音转换为文字。

谷歌云端硬盘发布新功能：数据从iOS到安卓一键转移

12月14日消息，据国外媒体报道，如果选择放弃iOS转投 Android怀抱，谷歌云端硬盘能快速帮助你。Google Drive云端硬盘发布了最新功能：一键迁移iPhone数据，它能备份用户的日历活动、通讯录、照片和视频等

谷歌云端明年将初推出支持GPU的虚拟机

网易科技讯11月16日消息，据国外媒体报道，谷歌今天日宣布，将于2017年初通过其云端（Google Cloud Platform）的公共云发布图形处理器（GPU）支持的虚拟机（VM）实例。谷歌的竞争对手亚马逊网络服务（AWS），IBM SoftLayer和微软Azure过去都推出了支持GPU的虚拟机实例。谷歌希望凭借其按分钟而非小时计费的机制，和它提供的GPU多元化脱颖而出。用户可选择的GPU包括英伟达Tesla P100和Tesla K80，以及AMD FirePro S9300 x2。这种云

亚马逊在苹果、谷歌前找到了语音识别的答案，它是怎么做到的？

两年前，亚马逊经历了一场戏剧性变化——被寄予厚望的智能手机Fire Phone在上市遭遇惨败，几个月后推出的智能音箱Echo却大获成功。亚马逊没有花费太多时间思考，很快作出决定：放弃Fire Phone，押注Echo。一年之后，它收到了Echo结出的成功果实：

谷歌开放语音识别API 发布机器学习云平台

谷歌Next云计算大会今日在美国旧金山召开。谷歌在会上发布了面向开发者的新机器学习平台，并开放语音识别的API（应用程序编程接口）。机器学习平台初期将免费提供给开发者。

百度称其语音识别技术超谷歌苹果 但尚未商用

在移动互联网时代，语音录入逐渐取代文字录入，成为和用户和智能手机交互的主要收入。谷歌、苹果、微软等科技巨头，也在语音助理工具上展开争夺。

谷歌发布新版Chrome浏览器 添加语音识别功能

据国外媒体报道，科技网站eweek称，谷歌最新版浏览器Chrome 25在经过一段时间用户体验测试后，目前终于上线，面向所有用户免费下载。而Chrome 25的最大亮点是新增了语音识别功能。

谷歌Chrome测试版升级 添加语音识别功能

1月15日消息，据国外媒体报道，谷歌今日升级了测试版本的Chrome浏览器，添加了语音识别功能。谷歌在Chrome 25中加入了网络语音应用程序接口（Web Speech API）。这个API可以让开发者向应用中添加语音识别功能，让语音撰写邮件等操作成为现实。

Siri工作方式详解：本地语音识别+云计算服务

苹果的语音助理服务Siri时髦而聪明，在一些情况下也很有用。那么Siri是如何工作的？“语音识别”是Siri的核心

阿里开源视频自动化剪辑工具FunClip 支持中文语音识别

阿里巴巴通义实验室最近开源了一款名为FunClip的视频自动化剪辑工具，专为精准和便捷的视频切片设计。FunClip能够自动识别视频中的中文语音，并允许用户根据语音内容裁剪视频，大大提高了视频编辑的效率。阿里巴巴通过这些开源项目，展示了其在AI技术领域的领导地位和对开放创新的承诺。

AI语音识别工具Universal-1：38秒可以处理60分钟音频 比fast Whisper更快

AssemblyAI最新研究成果展示了他们的Universal-1模型在多语言环境中的表现，该模型在准确性和鲁棒性方面均取得了行业领先地位。Universal-1比WhisperLarge-v3更准确，比fastWhisper更快，38秒可以处理60分钟音频。值得一提的是，非开源，仅提供API调用。

WhisperKit官网体验入口 AI自动语音识别模型压缩与优化工具在线使用地址

WhisperKit是一个专为自动语音识别模型压缩与优化设计的强大工具。它不仅支持对模型进行压缩和优化提供详细的性能评估数据。通过WhisperKit官网，您可以详细了解该工具的功能和应用，并体验其卓越的自动语音识别模型优化能力。

英伟达推新AI语音识别模型Parakeet 号称优于Whisper

领先的开源对话AI工具包NVIDIANeMo宣布推出ParakeetASR模型系列，这是一系列最先进的自动语音识别模型，能够以出色的准确性转录英语口语。ParakeetASR模型与Suno.ai合作开发，是语音识别领域的一大突破，为实现更自然高效的人机交互铺平了道路。要在本地访问模型并探索工具包，请访问NVIDIANeMo的Github页面。