2021年及以后观看的语音识别趋势：3个用例

进步自动语音识别（ASR）技术正在推动一种新的创新浪潮，特别是当涉及到我们与数字交互的方式。声音很自然。这是一个更广泛，无摩擦，更广泛的观众更易于途径。

在最前沿我们的尖端研究坐下两个游戏变换器。首先，流媒体ASR实时应用此技术，要么为现场活动提供标题，因为它正在发生或使与其他人一起启用会话用户界面机器学习（ml）技术喜欢自然语言处理（NLP）。

第二，终端（E2E）机器学习（ML）模型展示了对ASR的有效性的深远影响。对于单个ASR解决方案而不是构建和培训多个模型（声学，语言，发音），E2E模型将所有这些功能带入单个算法。这些型号较小，更快，更容易训练，使其更简单地部署在边缘。他们使我们能够更快地培训外语，并支持高级功能扬声器日复一衰，这使得ASR模型能够确定谁说的是什么和时间。

现在我们发布了我们的rev.ai.语音到文本应用程序编程接口（API），我们很高兴看到开发人员如何将我们的技术整合到他们的产品中。想要偷偷摸摸地偷看明天会带来什么？这些是我们迫不及待地想要探索的最佳用例。

1.语音用户界面

正如触摸屏彻底改变我们与我们的设备交互的方式一样，语音用户界面（UI）持有类似的承诺。这是一个巨大的范式转变。

“76％的人经常使用语音技术说他们发现它非常自然，”写作在线财务。“其使用的其他主要原因是因为它比键入更简单且更快。与此同时，最近的报告还透露，68％的语音助理用户表示，这些虚拟助手整体地使生活更轻松。“

当然，智能扬声器，虚拟助手和物联网（IOT）更普遍已经引领了语音UI的方式。但是，正如ASR技术的进展，我们会看到一些关键班次。这些设备将能够更有效地获得处理复杂性和细微差别在我们的演讲中，让他们能做得多多得多，而不是我们问它们：检查天气，搜索互联网，设置计时器等。

传统的移动应用市场也将看到语音UI的影响。虽然几乎任何应用程序都可以雇用ASR来创造更好的用户体验，但该技术将为迎合特定人口统计数据的应用程序至关重要，例如老年人或具有视力障碍的人。我们可以简单地说话，而不是使用滑动和点击浏览菜单和屏幕，而不是导航菜单和屏幕。

最后，家庭自动化设备从机器人真空到交互式玩具的范围，也将从改进的ASR中获得颠簸。不仅可以更好的语音UI可以让我们更大控制这些设备，但这也是如此打开更适合人际关系的大门随着我们的国内技术。

2.可搜索的音频

当Dan Kokotov，Rev的工程副总裁时，去了Lex Fridman的AI播客，他们讨论了Rev的ASR是如何成为一个福音的媒体资产管理。“Rev在我脸上露出笑容，”弗里曼说，他解释了Rev已经证明了像他这样的播放者的工具。

以前，如果您想重新访问播客的部分，AudioBook，视频或歌曲，则唯一的选项正在搜索标题并手动通过文件，直到找到合适的部分。ASR通过创建易于引用的可索引，可搜索的文本文件来更改该等式。

在业务环境中，可搜索的音频也融为共享，查看和引用视频电话会议。2021可能不是像2020一样放大的年，但自远程劳动力在这里留下来，我们将继续需要如何了解谁说在通话中。观看录制根本是不可行的。转录意味着您只有一个控制+ F远离您所需的信息。

沿着类似的线条，这对于需要审查他们的学业讲义的学生来说是一个很大的比赛。如果他们错过了某些东西，或者他们需要重新审视一个特别棘手的主题，他们可以搜索成绩单以获取所需的信息。

3.沉浸式娱乐

视频游戏继续实现更高水平的现实主义，ASR准备进一步模糊玩家和头像之间的线路。与非游戏人物的自然对话（NPCS）将使玩家增加机构，扩大游戏中可能的境界，并将门打开到更个性化的体验。

许多游戏还聘请了一个游戏内助手，并使用声音与他们互动将使我们以类似的方式与游戏进行接口，我们将在我们家中进行智能扬声器。这意味着说“嘿，听！”到Navi.在塞尔达的传说或寻求帮助Cortana.在光环，能够以更真实的方式与这些同伴互动将使这些游戏更加沉浸，更容易学习，只是简单的乐趣。

当我们考虑语音和语音之间的协同作用时，事情变得非常有趣增强/虚拟现实。ASR和VR都使我们能够以更自然的方式与游戏进行互动，当我们结合它们时，我们可能只在一个更接近的环境中找到自己准备好玩家比超级马里奥兄弟

结论

在一天结束时，所有这些趋势都归结为弥合数字和物理之间的鸿沟。是否意味着在视频游戏中具有真正的对话或告诉您的机器人吸尘器在狗之后扫除，我们目睹了互联网之间的差距和IRR.稳步关闭。

我们刚刚开始。虽然这3个用例是我们在asr的领导者中的一些顶级选择，但这远非详尽的清单。这是我们如此激动为与世界各地的开发人员合作的主要原因之一rev.ai.API。我们让您访问我们的技术，以便您可以梦想大，并发明未来。

您是否有ASR应用程序的下一个好主意？在下面注册免费试用！