幾周前,，Google 剛剛對“云端文本轉(zhuǎn)語音”API 實施了大改版?，F(xiàn)在,，該公司又升級了自家的 Speech-to-Text 語音識別服務(wù)。改進(jìn)后的 STT API 承諾顯著提升了語音識別的性能,，在內(nèi)部所有測試中,，單詞錯誤率減少了 54% 左右。不過在某些領(lǐng)域,，實際表現(xiàn)要好得多,。基于用例,，新版 API 現(xiàn)允許開發(fā)者在四種不同的機(jī)器學(xué)習(xí)模型間進(jìn)行選擇,。

其中有面向短查詢和語音命令的，以及一個理解通話語音和處理 視頻 中音頻的,。第四個模型屬于新增默認(rèn),，谷歌推薦在所有其它場景中使用。

此外,，谷歌還帶來了一項新的標(biāo)點符號模型,。團(tuán)隊承認(rèn)，其錄音文本長期飽受標(biāo)點符號不太正常的吐槽,。用標(biāo)點符號來表達(dá)自己的觀點,，算是出了名的困難。

谷歌承諾新模型可帶來更多可讀的轉(zhuǎn)錄文本,，包括更少的斷句,、更多的逗號、句號,、以及問號,。

本次更新后，谷歌還允許開發(fā)者借助一些基本的元數(shù)據(jù)標(biāo)記他們的轉(zhuǎn)錄音視頻,。盡管一時發(fā)揮不了直接的益處,，但谷歌表示,，它將使用來自所有用戶的聚合信息，來決定下一步要優(yōu)先考慮哪些新功能,。

最后,，谷歌還試圖對這項服務(wù)的收費(fèi)方式做出小小的改動。此前,，音頻轉(zhuǎn)錄的收費(fèi)標(biāo)準(zhǔn)為 0.006 美元 / 每 15 秒,；視頻模型的收費(fèi)翻倍（0.012 美元 / 每 15 秒）。

不過 5 月 31 號之后,，使用新模型也需要支付 0.006 美元 / 每 15 秒。