在线和离线语音转换为文本转换之间的差异

Question

我正在使用Speech to text android application。 Google API可用于在线和离线语音转换文字。

我已经在Google API上完成了对语音的测试（在线以及脱机API）。已经观察到，与离线相比，在线语音到文本提供了更好的准确性。现在我的问题是

1. 在线模式和离线模式有什么区别？
2. 为什么离线模式会降低其准确性？有没有更准确的解决方案？
3. 当我们收到任何电话时，数据连接会丢失。我可以同时实现两种解决方案吗？

Answer 1

  

在线模式和离线模式有什么区别？   为何离线模式会降低其准确性？有没有更准确的解决方案？

离线模式基于文件大小约为的模型。 20.3MB;由于不需要互联网连接，因此无需发送/接收数据。无论如何，这个模型的语音到文本比在线版本快6.5-7倍。这里重点提到的是，这个模型的单词错误率为13.5％，虽然不是很高，但考虑到有限的数据和算法，它可以访问。

在线系统显然可以访问更多的训练数据，并通过更多算法进行解析。我不认为离线版本可以被视为替代版本，但是当在线版本不可用时，可以将其视为替代版本。我读过用户声称“美国英语”和“美国英语”的文章。比英国英国人的工作做得更好，原因并不完全为我所知。

3G无法同时提供语音和数据。 WiFi / 4G没有这个问题。还有其他一些已知问题，例如来自服务提供商的限制，LTE /非LTE，CDMA等。如果您有这样的约束，一种方法可能是合并一些设计更改，以便您可以缓存数据然后访问在线引擎，电话结束后。

在我有限的经验中，对于离线功能，CMUSphinx似乎是一个更好的选择（因为Google每天限制50次通话（？））。其他一些可用的API列在here。

启用离线语音转文本的研究论文链接到[link]。