幾周前，Google 剛剛對“云端文本轉語音”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。改進后的 STT API 承諾顯著提升了語音識別的性能,，在內部所有測試中,，單詞錯誤率減少了 54% 左右。不過在某些領域,，實際表現(xiàn)要好得多,。基于用例,，新版 API 現(xiàn)允許開發(fā)者在四種不同的機器學習模型間進行選擇,。

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,，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點符號模型,。團隊承認，其錄音文本長期飽受標點符號不太正常的吐槽,。用標點符號來表達自己的觀點,，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)標記他們的轉錄音視頻,。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的收費方式做出小小的改動。此前,，音頻轉錄的收費標準為 0.006 美元 / 每 15 秒,；視頻模型的收費翻倍（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,。