什么是实时流语音识别API?

标准语音识别服务是完美的，当你需要字幕偶尔的视频或音频记录。但对于某些需求，访问这些服务的底层技术可以让你的业务更进一步。这就是语音识别API的价值所在。

一个实时流语音识别API允许您将您的应用程序连接到自动语音识别(ASR)引擎。这个API (应用程序编程接口)作为应用程序和带有ASR的远程服务器之间的中介。例如，如果你构建牧师API进入你的网站，你的网站可以通过API与Rev的语音到文本引擎交流。顾客只需咔哒一声就可以把他们的声音转录下来。

设置API需要编程知识。但最终用户应该有一个没有铆钉的体验。最终用户可能是访问嵌入API的网站的客户，也可能是使用公司工具的员工。

实时流语音识别api的常见用途包括文字处理、呼叫中心对话的大规模转录以及实时事件的字幕。

实时流语音识别API是如何工作的?

实时流语音识别API需要建立在语音引擎上。以Rev的API为例，该引擎是业界领先的语音识别AI(人工智能)。与其他领先的引擎不同，Rev在开发工具时使用的是人类生成的训练集，而不是统计分析——机器学习具有认真的人类触觉。

你可以使用软件开发工具包(SDK)将Rev的语音识别API构建到你的应用程序中。使用各种编码语言(包括Python、JavaScript和Go)都可以做到这一点。当您通过Rev API发送转录请求时，Rev的软件通过将基础知识与我们丰富的单词、短语、重音和句子库进行比较，解释音频流中的口语单词。

Rev提供两种api:

• 一个异步API用于预先录制的音频和视频文件。它在不到一分钟的时间内返回长达一小时的文件的转录或字幕。
• 一个流API用于现场音频/视频的实时字幕，关键字监控，并基于指定的触发词执行操作。

异步API使用REST(具象状态传输)。流API使用RTMP (实时消息协议）.

我们提供。json或。txt格式的输出。Rev的API附带了软件开发工具包、完整的文档和专家支持。

它有多准确?

人工智能转录还不像人工智能那样准确专业的人工服务，准确率可达99%以上。但是语音到文本的人工智能可以达到80%甚至更高的准确率。(在与以英语为母语的人的高质量音频中，Rev AI的成绩在low-mid 90年代）.在近乎完美的准确性至关重要的情况下，人类的转录仍然更可取。但如果速度和大规模成本是优先考虑的，那么最好的人工智能现在能带来出色的结果。

大型科技公司使用统计分析训练他们的模特。但雷夫的机器学习是建立在手工训练的基础上的。雷夫与5万名人类专业人员夜以继日地工作，转录和字幕。我们用十年的人力资源数据训练Rev AI。我们的开发者仔细地收集和编辑音频，而不是像Siri和Alexa那样简单地收集大量音频。事实上，ASR是我们工作的核心。结果呢?一个实时流语音识别API，它的性能超过了技术上最大的名字。

Rev在我们自己的自动转录服务、谷歌云语音API以及亚马逊和微软的API上进行了单词错误率(WER)测试。我们比他们都强。(你可以检查我们的结果和方法在这里）.并不是所有的语音引擎都能在一个房间里标记出不同的发言人，但Rev也能做到这一点。

Rev的API的另一个优点是，在使用之前，您可以通过共享不同寻常的名称和术语来提高准确性。

为什么要使用实时流语音识别API?

实时流语音识别对于个人和企业来说都是一笔巨大的财富。开发人员通过将其集成到他们公司的平台和服务中，来利用专门构建的语音引擎的功能。

制作实时视频、会议和网络研讨会是合乎道德的。在很多情况下，这是法律要求。实时语音到文本API提供即时字幕和转录，以确保每个人都包括在内。当然，你誊写的演讲稿在之后仍可作为可搜索的档案。

雷夫对我们的API进行了来自世界各地的英语口音的培训。这简化了您的转录工作流程，因为您不需要组织或支付额外的服务。

用例

许多以语音为核心服务的企业都可以从语音对语音技术中受益。对其中许多企业来说，人工智能语音识别API是最经济、最有效的选择。

这里有一些用例其中流API可能是一个有价值的资产:

• 呼叫中心和客户支持服务．
  • 协助监控支持电话的质量。
  • 参考成绩单进行培训或审核。
  • 培训交互式语音应答(IVR)系统来代替座席。
• 应用程序和接入点．
  • 将语音打字功能或免提语音命令集成到软件中。
  • 为您的虚拟助理创建一个可搜索的用户查询历史，以支持开发。
• 会议和活动场地。
  • 提供现场活动的实时字幕。
  • 提高在线参与者的可访问性。
  • 活动结束后，与参与者分享转录本。
• 学术界。
  • 向学生提供有时间标记的讲稿，而不是手工准备的笔记。
  • 直播字幕网络讲座;为ESL学生探索翻译选项。
• 内容创造者。
  • 自动字幕快速和大规模。
  • 提供副本。这可以提高可发现性、可访问性和可用性。
• 医疗办公室。
  • 规定,并自动抄写电子健康记录(EHRs)访问。

如果这些用例听起来对您有利，那么您可以访问Rev.ai API以开始实时字幕和转录。起价为每音频分钟0.035美元。

如果你不确定实时流语音识别API是否适合你，或者它是否是适合你的业务的语音到文本的选项对我们说话，我们将帮助您找到正确的解决方案，以满足您的需求。