Google

AI ヒューマンサービスと Google の Speech-to-Text および Text-to-Speech ソリューションは、音声認識と音声合成の機能に革命をもたらし、言語の壁を打ち破り、人々がテクノロジーとコミュニケーションする方法を改善しています。

‍

‍

音声テキスト変換の主な機能には、次の機能が含まれます。

• 音声適応: まれな単語やドメイン固有の単語やフレーズの転記精度を向上させるためのヒントを提供してください。さらに、クラスを利用して、話された数字を住所、年、通貨、その他の類似の形式に自動的に変換することもできます。
• ドメイン固有モデル: ドメイン固有の品質要件に最適化された、音声制御、通話、ビデオトランスクリプション用のトレーニング済みモデルを選択できます。
• 品質を簡単に比較: DeepBrainの使いやすいユーザーインターフェイスで音声を試してみてください。さまざまな構成を試して、品質と精度を最適化してください。
• 音声オンデバイス: Google Cloud の音声アルゴリズムは、インターネット接続に関係なく、ローカルのどのデバイスでも実行できます。ユーザーの音声データは端末から漏れることはなく、完全に保護されています。
• 音声テキスト変換の基礎モデル: 何百万時間もの音声データと数十億のテキスト文でトレーニングされた Google Cloud のスピーチの基盤モデルである Chirp を搭載した音声モデルを使用して、世界中の視聴者向けの音声対応アプリケーションを構築できます。

‍

‍

音声合成の主な機能には、次の機能があります。

• ニューラル2 ボイス：Neural2を使用すると、ユーザーは独自の合成音声モデルをトレーニングしなくてもカスタムボイスを作成できます。
• スタジオボイス: スタジオ品質の環境で録音されたプロによるナレーション付きのコンテンツで、リスナーを魅了しましょう。
• カスタムボイス: ユーザーは、独自のオーディオ録音を使用してカスタム音声モデルをトレーニングし、ビジネスや組織向けにユニークでより自然な音声を作成できます。
• ボイスチューニング：ユーザーは、選択した声の高さをデフォルトから最大20半音まで上げたり小さくしたりしてパーソナライズできます。
• テキストと SSML のサポート: ユーザーが一時停止、数字、日付と時刻のフォーマット、その他の発音指示を追加できるSSMLタグを使用して音声をカスタマイズします。

‍

Google ダイアログフローは、AI ヒューマンサービスの不可欠な部分となっています。クライアントは、Dialogflow を既存のプロジェクトと新規プロジェクトの両方にシームレスに統合できるため、ゼロから始める必要なく、その強力な機能を活用できます。これにより、時間を節約できるだけでなく、ヒューマンサービス全体に AI をより効率的かつ効果的に統合できるようになります。