A API do Google Cloud Speech realiza a conversão de fala em texto com o aprendizado de máquina, fornecendo os seguintes recursos principais:

Reconhecimento Automático de Fala

Reconhecimento Automático de Fala (ASR), alimentado por redes neurais de aprendizado profundo para alimentar seus aplicativos como pesquisa por voz ou transcrição de fala.

Vocabulário Global

Reconhece mais de 110 idiomas e variantes com um extenso vocabulário.

Reconhecimento de Streaming

Retorna os resultados do reconhecimento enquanto o usuário ainda está falando.

Dicas de palavras

O reconhecimento de fala pode ser personalizado para um contexto específico, fornecendo um conjunto de palavras e frases que provavelmente serão faladas. Especialmente útil para adicionar palavras e nomes personalizados ao vocabulário e nos casos de uso de controle de voz.

Robustez do ruído

Lida com áudio barulhento de muitos ambientes sem exigir cancelamento de ruído adicional.

Filtragem inadequada de conteúdo

Filtre conteúdo inapropriado nos resultados de texto para alguns idiomas.