AI 语音转文本服务常见问题解答

一般问题

什么是 Oracle Cloud Infrastructure Speech？

OCI Speech 是一项 AI 服务，既能将语音转录为文本，又能将文本合成为语音。它使用自动语音识别技术，实时或异步地将基于音频的内容转换为文本。该特性是基于神经网络的文本转语音功能，可根据您的输入文本生成听起来很自然的声音。您可以轻松地进行 API 调用，将 OCI Speech 的预训练模型集成到应用中。OCI Speech 可通过控制台、REST API 以及 CLI 或 SDK 进行准确、文本规范化、带时间戳的转写或者语音合成。您还可以在 OCI Data Science 记事本会话中使用 OCI Speech。借助 OCI Speech，您可以过滤粗言秽语，获得单词和完整转写的置信度评分等功能。

为何要使用 OCI Speech？

如果您需要一款快速、准确、支持时间戳的转录服务，请使用 OCI Speech。如果您使用 OCI 存储音频文件，OCI Speech 不仅延迟低，而且还无需您支付网络成本。新的文本转语音和实时语音转文本功能现已限定供应，可提供更多功能与您的应用相集成。

如何上手使用 OCI Speech？

要开始使用 OCI Speech，请登录账户，创建您的第一个转录或详细了解该服务。

特性

OCI Speech 可提供哪些转录服务？

OCI Speech 当前仅支持基于文件的异步转录，实时转录目前处于限定供应状态。

目前支持哪些语言？

转录服务附带了以下语言的预训练模型：英语、西班牙语、葡萄牙语、德语、法语、意大利语和印地语。我们还支持 OpenAI Whisper 模型，现成支持 57 多种语言的基于文件的异步转录。

Oracle 会使用我的文件来优化 OCI 服务，或将我的文件用于其他目的吗？

不，Oracle 将仅转录您的文件内容，不会保留关于您文件的任何信息。

关于该服务还有哪些需要关注的？

与所有其它转录服务一样，输出质量取决于输入音频文件的质量。同时，发言者的口音、背景噪音、语言切换、融合语言（例如西班牙式英语）以及多人同时发言，这些都可能影响转录质量。Oracle 还将持续优化 OCI Speech 的性能，提高所有输入文件和发言者语音转录的准确性。

OCI Speech 可以自动检测文件中的语言吗？

目前还不能，但很快会具备这种能力。

OCI Speech 支持哪些格式的输入文件？

OCI Speech 支持单通道、16 位、16 kHz 采样率的 PCM WAV 音频文件，还支持以下媒体格式，并在转录之前将其转换为 PCM WAV：

• AAC
• AC3
• AMR
• AU
• FLAC
• M4A
• MKV
• MP3
• MP4
• OGA
• OGG
• WAV
• WEBM

您也可以在提交任务之前先转换文件格式，以减少延迟。Oracle 建议您使用 Audacity (GUI) 或者 FFmpeg（命令行）来进行音频转码。

OCI Speech 支持哪些输出格式？

OCI Speech 支持 JSON（默认）和 SRT（无额外成本）输出格式。

计费和定价

如何计费？

OCI Speech 采用精确的计费方案，以秒为单位衡量总用量，每转录小时/语音合成小时的定价为 0.50 美元。举例来说，如果您上传了三个文件，时长分别为 10860 秒、8575 秒和 9421 秒，月度费用则为总秒数（28856 秒）除以 3600（一小时的总秒数）减去 5（每月免费小时数），然后乘以 0.50 美元（每转录小时定价）。换言之，您需要支付 1.508 美元，即 (28856/3600 - 5) x 0.50 美元 = 1.508 美元。

OCI Speech 的计费指标是什么？

OCI Speech 的计费指标为转录小时。转录小时指的是在使用 OCI Speech 服务的一个月时间内被转录或合成的音频小时数。

OCI Speech 是否收取设置费用，是否有最低使用要求？

没有。OCI Speech 不收取任何设置费用，也无最低使用要求，而且无需硬件。

该服务是否提供免费试用小时？

可以。每个租户每月可免费使用 OCI Speech 5 个小时来试用转录功能。

标点符号和 SRT 是否收费？

标点符号和 SRT 一样是免费服务。不过，SRT 文件存储可能会产生存储费用。

其它技术问题

OCI Speech 支持哪些设备？

OCI Speech 不受设备限制，支持所有录制设备。

我的文件不是 WAV 格式，如何转换为 WAV 格式？

我们建议您使用 FFmpeg 实用程序执行以下命令：$ ffmpeg -i <input.ext> -fflags +bitexact -acodec pcm_s16le -ac 1 -ar 16000 <output.wav>。

我收到了以下错误信息：Either the bucket named “undefined” does not exist in the namespace <namespace> or you are not authorized to access it。如何修复？

请参阅 Speech 策略设置文档。