语音转文本：Xeoma 的语音识别智能模块
Xeoma 视频监控软件中基于人工智能的 语音转文本 模块可“监听”来自摄像头或独立麦克风的音频流，识别语音，并将转录文本保存为 CSV 报告，或直接以文字形式叠加在预览画面上。此外，您还可以设定模块对特定单词或短语做出响应。该模块也支持处理 .mp3 音频文件——如对话录音、培训视频等——将其中的语音转录为文本。
使用 Xeoma 语音转文本功能无需专用设备：任何摄像头或独立麦克风的音频流，配合标准的商用计算机及显卡即可运行。
 |
警告：此模块自 Xeoma 24.8.12 版本起提供，目前处于 Beta 测试阶段，可能会出现漏词或循环现象。 |
语音转文本模块是一款灵活的工具，适用于多种场景：
- 呼叫中心：转录实时通话或录音，以监控是否符合公司政策及标准话术
- 长者照护：能够即时响应求救呼喊
- 城市监控：在反恐安防中识别预示危险的词语
- 家长控制：协助保障儿童安全，防止其遭受欺凌或与诈骗分子、骚扰者接触
- 警务执法：集成于执法记录仪，转录警员与嫌疑人的对话，并具备检测危险状况的能力
- 银行、典当行：无需物理按压的虚拟紧急按钮
- 研究与分析：后台统计各类词汇的使用频率，开展其他语音相关研究
- 市场营销：洞察客户是否在讨论促销活动，以及他们对横幅或广告的反应等。
- 各类商业场景：自动化监控客户服务质量（例如检测脏话）
- 过滤与自动化：检测对话中的不当或禁用词汇/短语，并将此类片段标记以供重点审查，无需听取全部对话
由此可见，Xeoma 视频监控软件的“语音转文本”工具应用场景广泛！它不仅有助于提升个人生活、城市环境及公民的安全，还能在商业领域助力业务流程优化。
无需特殊设备：
可使用常规商用计算机和几乎任意类型的摄像头。
灵活便捷：
支持多种响应机制，可与第三方系统集成。
实时处理：
实时模式下即时处理，零延迟。仅在您的本地计算机上运行。
经济实惠的方案：
该模块已包含在 Xeoma Pro 许可证中！
首先需注意，只有当 Xeoma 服务端运行在 兼容硬件 上时，该模块才会显示在列表中。若未找到该模块，请确认您使用的是兼容的处理器及正确的 Xeoma 版本（该模块仅限 Xeoma Pro 版）。由于该模块处理音频流，链路中必须包含音频源：可以是摄像头内置麦克风，也可以是独立的 USB 或 IP 麦克风。
例如，假设您的音频流直接来自 IP 摄像头。此时，只需在 Xeoma 中构建如下模块链：“通用摄像头” – “语音转文本” – “预览与存档”：
点击链条中的“语音转文本”图标以打开模块设置。使用语音转文本模块的第一步是下载其运行所需的附加资源。首次打开模块设置时，下载过程将自动开始。附加资源下载完成后，“正在下载”消息将消失。
|
附加资源包含语音转文本所基于的人工智能数据阵列，并根据请求从 FelenaSoft 服务器下载。为了减小程序体积，这些资源未随软件一同提供，因为并非所有 CCTV 系统都需要它们。 |
附加资源下载完成后，新增的选项让您可从多种人工智能语音识别模型中进行选择。各模型优劣各异——主要区别在于识别准确率与处理器负载。按模型尺寸、识别质量及硬件负载由低到高排序，它们分别命名为 tiny、base、small、medium、large。
在“语言”字段中，选择语音 转录文本 的语言（请注意，无需指定 语音 本身的语言）。
如果您需要转录所有可听到的对话，可以直接勾选“将数据保存至 CSV 报告”复选框。这样，对话转录文本将保存到磁盘指定目录的电子表格文件中，并可集成到其他系统（例如统计系统）中。
此外，“语音转文本”还可 检测特定短语或词汇。请在“识别关键词”字段中指定需搜索的词汇或短语。此后，模块将继续监听摄像机或麦克风周边的所有语音，但仅在捕捉到关键词时触发响应。请在“语音转文本”模块后连接所需的响应模块，以便在此情况下接收通知、启动录像或发送指令。
本例中，我们将“预览与存档”模块设为目标模块；因此，一旦检测到设定关键词，系统即开始录制摄像机流，并支持检索包含指定关键词的片段。此功能还可轻松与 保存至 CSV 报告 选项配合使用：只需勾选下方相应复选框即可。
“语音转文本”内置专属宏 %VOICE%，若您希望将语音转录文本发送至“发送邮件”、“运行应用程序”或"HTTP 请求发送器”等目标模块，可直接调用该宏。
Xeoma 的“语音转文本”还支持被外部程序调用——例如用于转录 VoIP 通话。遵照以下说明，您可提交 .mp3 文件供“语音转文本”解码并获取文本结果。因此，即便在未安装 Xeoma 或缺乏摄像机的操作员工作站上，亦可使用此模块。实现方式有两种：通过 Xeoma API 或执行控制台命令。重要提示：仅支持 .mp3 文件。
1. API。 首选方案需借助 Xeoma API 发起 JSON 请求。通过相应命令，您可向远程或本地 Xeoma 服务器发送请求，要求其将 .mp3 文件转录为文本。
例如：
curl -F "audio_file=@speech.mp3" "http://192.168.0.135:10090/api?login=Administrator&password=123&speech_recognition=recognition&model=large&language=en&denoise=true"
其中
“speech.mp3” 应替换为您计算机上音频文件的路径；
“192.168.0.135:10090” 应替换为运行中且可运行语音转文本的 Xeoma 服务器的 IP 地址及其端口（通常为 10090）；
“Administrator” 保持不变，因为此功能仅适用于 Xeoma 的管理员 (Administrator) 配置文件；
将“123”替换为 Xeoma 管理员账户的密码；
"model=large"用于选择识别模型。更多选项详情请见上文；
若需启用噪声消除（某些情况下可提高识别准确率），请包含"denoise=true"；
将“en”替换为您希望获得 转写文本 的语言代码（2-3 个字符，详见下文）。如果该语言与“语音转文本”监听的实际语音语言不同，系统将自动将其翻译为您指定的语言。
注意： 此请求将直接在控制台或您发送请求的工具中获取文件的文本转写。如果您希望将转写结果保存为文本文件，请在命令后添加“>filename.txt”：
curl -F "audio_file=@speech.mp3" "http://192.168.0.135:10090/api?login=Administrator&password=123&speech_recognition=recognition&model=large&language=en&denoise=true">savetext.txt
其中
将 savetext.txt 替换为您希望设置的转写文件名。
2. 启动命令。 第二种方案支持您无需调用 API，直接在 PC 本地通过控制台执行命令来完成识别。
示例：
{Path to Xeoma executable file} -speech2text file.mp3;out.log;large;en;denoise
其中
将“file.mp3”替换为您计算机上音频文件的路径；
将“out.log”替换为生成的转写文本文件的路径及其名称；
"large"用于选择识别模型。更多选项详情请见上文；
将“en”替换为您希望获得 转写文本 的语言代码（2-3 个字符，详见下文）。如果该语言与“语音转文本”监听的实际语音语言不同，系统将自动将其翻译为您指定的语言。
若需启用噪声消除（某些情况下可提高识别准确率），请包含"denoise"。
语言代码列表：
“en”：“英语”，
“zh”：“中文”，
“de”：“德语”，
“es”：“西班牙语”，
“ru”：“俄语”，
“ko”：“韩语”，
“fr”：“法语”，
“ja”：“日语”，
“pt”：“葡萄牙语”，
“tr”：“土耳其语”，
“pl”：“波兰语”，
“ca”：“加泰罗尼亚语”，
“nl”：“荷兰语”，
“ar”：“阿拉伯语”，
“sv”：“瑞典语”，
“it”：“意大利语”，
“id”：“印度尼西亚语”，
“hi”：“印地语”，
“fi”：“芬兰语”，
“vi”：“越南语”，
“he”：“希伯来语”，
“uk”：“乌克兰语”，
“el”：“希腊语”，
“ms”：“马来语”，
“cs”：“捷克语”，
“ro”：“罗马尼亚语”，
“da”：“丹麦语”，
“hu”：“匈牙利语”，
“ta”：“泰米尔语”，
“no”：“挪威语”，
“th”：“泰语”，
“ur”：“乌尔都语”，
“hr”：“克罗地亚语”，
“bg”：“保加利亚语”，
“lt”：“立陶宛语”，
“la”：“拉丁语”，
“mi”：“毛利语”，
“ml”：“马拉雅拉姆语”，
“cy”：“威尔士语”，
“sk”：“斯洛伐克语”，
“te”：“泰卢固语”，
“fa”：“波斯语”，
“lv”：“拉脱维亚语”，
“bn”：“孟加拉语”，
“sr”：“塞尔维亚语”，
“az”：“阿塞拜疆语”，
“sl”：“斯洛文尼亚语”，
“kn”：“卡纳达语”，
“et”：“爱沙尼亚语”，
“mk”：“马其顿语”，
“br”：“布列塔尼语”，
“eu”：“巴斯克语”，
“is”：“冰岛语”，
“hy”：“亚美尼亚语”，
“ne”：“尼泊尔语”，
“mn”：“蒙古语”，
“bs”：“波斯尼亚语”，
“kk”：“哈萨克语”，
“sq”：“阿尔巴尼亚语”，
“sw”：“斯瓦希里语”，
“gl”：“加利西亚语”，
“mr”：“马拉地语”，
“pa”：“旁遮普语”，
“si”：“僧伽罗语”，
“km”：“高棉语”，
“sn”：“绍纳语”，
“yo”：“约鲁巴语”，
“so”：“索马里语”，
“af”：“南非荷兰语”，
“oc”：“奥克语”，
“ka”：“格鲁吉亚语”，
“be”：“白俄罗斯语”，
“tg”：“塔吉克语”，
“sd”：“信德语”，
“gu”：“古贾拉特语”，
“am”：“阿姆哈拉语”，
“yi”：“意第绪语”，
“lo”：“老挝语”，
“uz”：“乌兹别克语”，
“fo”：“法罗语”，
“ht”：“海地克里奥尔语”，
“ps”：“普什图语”，
“tk”：“土库曼语”，
“nn”：“新挪威语”，
“mt”：“马耳他语”，
“sa”：“梵语”，
“lb”：“卢森堡语”，
“my”：“缅甸语”，
“bo”：“藏语”，
“tl”：“塔加洛语”，
“mg”：“马达加斯加语”，
“as”：“阿萨姆语”，
“tt”：“鞑靼语”，
“haw”：“夏威夷语”，
“ln”：“林加拉语”，
“ha”：“豪萨语”，
“ba”：“巴什基尔语”，
“jw”：“爪哇语”，
“su”：“巽他语”，
“yue”：“粤语”。
1. 从 我们的网站 下载并启动 Xeoma。请确保 Xeoma 服务器端运行在配备 指定处理器 的设备上。
同时请确保 Xeoma 运行在 试用版 模式下，或激活 Xeoma Pro 许可证以使用此模块。
2. 添加摄像头，或等待 Xeoma 自动发现并添加网络中的摄像头。如需使用非摄像头内置的独立麦克风，请连接"Microphone"模块并选择相应的音频源。
3. 将"Voice-to-Text"模块添加至链条并完成配置。
4. 如有需要，可添加其他模块以设定相应响应，例如存档录像、发送电子邮件或自定义响应。
5. 完成！现在您即可使用 Xeoma 卓越的智能语音识别功能。
|
*Voice-to-Text 模块仅在以下处理器上显示并运行：
以下系列的 Intel 64 位处理器： 虽然该模块可利用 CPU 算力运行，但建议在服务器端配备独立显卡。 |
Xeoma 功能不止于此！
Xeoma 还提供其他处理音频流的模块：
• Microphone：让您选择 USB 麦克风或独立 IP 麦克风作为音频源的模块。
• Sound Detector：用于分析音频流，并在音量超过指定阈值时触发的模块。
• Sound Events Detector：一款智能模块，能够识别特定声音：汽车警报、婴儿啼哭、枪声、尖叫、玻璃破碎。
|
还需要其他功能？我们可以为您定制开发并集成至 Xeoma 中（付费项目）。查看详情 |
免费试用 Xeoma！请在下方字段中输入您的姓名及接收许可的邮箱地址，然后点击“将 Xeoma 免费演示许可发送至邮箱”按钮。
我们建议您不要在电子邮件中包含个人数据，也不要通过任何其他方式向我们发送个人数据。若您仍执意如此，提交此表单即表示您确认同意我们处理您的个人数据
有疑问？需协助？请联系我们！我们将竭诚为您服务！
2024 年 8 月 14 日
阅读更多：
Xeoma 附加模块
Xeoma 人工智能模块价目表