Обзор технологий Yandex SpeechKit
Статья создана
Обновлена 22 октября 2024 г.
Голосовые технологии Yandex SpeechKit помогают решить любую задачу, связанную с речью человека. SpeechKit может распознавать речь в режиме реального времени и из предварительно записанных аудиофайлов, автоматически определяя язык говорящего, а также озвучивать шаблонные фразы и развернутые тексты при помощи стандартных голосов SpeechKit.
SpeechKit работает через интерфейсы API. В зависимости от задачи вам доступны интерфейсы gRPC или REST. Подробнее о реализации API в Yandex Cloud см. Концепции API Yandex Cloud.
В таблице собраны самые распространенные сценарии использования SpeechKit, чтобы вы могли выбрать нужные технологии и настроить их для своих задач.
Описание | Рекомендуемые технологии | Возможности и настройки |
---|---|---|
Голосовой робот | ||
Полная или частичная автоматизация телефонных коммуникаций с клиентами. | Для ввода запроса пользователем: потоковое распознавание. Для ответа системы: синтез с использованием стандартных голосов и голосов Brand Voice, созданных специально для вас. |
|
Речевая аналитикаКонтроль качества работы операторов | ||
Расшифровка и последующий анализ аудиозаписей диалогов клиентов с операторами или роботами. | Для распознавания предзаписанных аудиофайлов: асинхронное распознавание аудиофайлов. |
|
Голосовое управление приложением и умными устройствами Голосовой ассистент | ||
Пользователь запрашивает действие или поиск голосом, сервис отвечает действием с голосовым комментарием или картинкой. | Для ввода запроса пользователем: потоковое распознавание. Для ответа системы: синтез с использованием стандартных голосов и голосов Brand Voice. |
|
Адаптация сервиса для людей с нарушениями зрения | ||
Голосовое управление, голосовые подсказки и комментарии для людей с нарушениями зрения. | Для ввода запроса пользователем: потоковое распознавание. Для ответа системы: синтез с использованием стандартных голосов и голосов Brand Voice. |
|
Распознавание аудиозаписей встреч | ||
Расшифровка аудиозаписей после окончания встречи. | Для распознавания предзаписанных аудиофайлов: асинхронное распознавание аудиофайлов. |
|
Озвучивание книг и видео | ||
Озвучивание книг и видео без привлечения живых дикторов. | Синтез речи с использованием стандартных голосов и голосов Brand Voice. |
|
Ведение протоколов совещаний | ||
Расшифровка совещаний в режиме реального времени | Для распознавания речи участников: потоковое распознавание. |
|
Субтитры к видео | ||
Создание субтитров к записанным видео. | Для распознавания аудиодорожки: асинхронное распознавание аудиофайлов. |
|
Субтитры к трансляции | ||
Расшифровка трансляции в режиме реального времени. | Для распознавания речи в трансляции: потоковое распознавание. |
|
Расшифровка голосовых сообщений | ||
Перевод в текстовый вид коротких сообщений в мессенджерах. | Для распознавания аудио: синхронное распознавание файлов. | Настройки результатов распознавания. |