Android v0.15.0: 新しい端末内音声アーキテクチャ
Loquela v0.15.0では、Batch、Streaming、Two-passの認識モードを導入し、プライバシー案内、診断、単語のインポート、Enterの動作を改善しました。
1 分で読めます
- バージョン
- 0.15.0 (27)
- チャンネル
- Google Play オープンテスト
- ステータス
- Google Play オープンテストで提供中
バージョンコード27のLoquela v0.15.0は、オーストラリア、英国、米国のGoogle Playオープンテストで提供中です。
Loquela v0.15.0では、ダウンロード可能な音声モデルの導入以降で最大となる端末内音声システムの変更を行いました。すべての端末内モデルを同じ種類のバッチ認識器として扱うのではなく、異なる認識プランを定義して実行できるようになりました。
既存モデルと通常のオフライン音声入力は引き続き使えます。StreamingとTwo-passは、互換性を確認済みのモデルがある場合にだけ表示されます。選択中のモデルを無断で変えたり、すべての端末に大容量モデルを2つダウンロードさせたりせずに拡張できます。
追加
- SetupでAndroid標準のサードパーティ製キーボードに関する警告を説明し、Loquelaのプライバシー情報へリンクします。
- Advanced diagnosticsは、発話テキストや音声を保存せず、直近5、10、25、50件の文字起こし失敗理由を保持できます。
- Personal Dictionaryでは、端末内の非公開プレビュー後にテキスト、CSVファイル、Androidユーザー辞書から単語をインポートできます。
- Advanced voice diagnosticsに、末尾切れを調べる任意のParakeet tail-padding実験を追加しました。
- 端末内認識は、Batch、Streaming、Two-passという3つの明確なセッションプランに対応します。
- Batchは従来の動作を維持します。Stop後に選択したオフラインモデルへ発話全体を渡し、1つの最終文字起こしを返します。
- Streamingは発話中にネイティブのオンラインモデルへ音声を渡し、発話終了前から置き換え可能な途中テキストをエディターに表示します。
- Two-passはストリーミングモデルとバッチモデルを組み合わせます。最初のモデルが即時の途中テキストを出し、2つ目がStop後に正式な最終認識を行います。
変更
- 複数行エディターではEnterが改行を挿入し、1行のアクション欄ではSearch、Go、Send、Next、Done、Previousを実行します。
- 有料設定でFreeやFullラベルを繰り返さないようにしました。ロックされた操作はFullが必要と説明し、アップグレード画面へ案内します。
- インストールが不足または破損している場合の端末内モデルパッケージ検証と安全な修復処理を強化しました。
- 既存のバッチモデルを置き換えずに端末内音声ランタイムを更新しました。
- 対応するインストール済みまたは利用可能なモデルがある場合にだけ認識モードを表示します。
修正
- 端末内認識が引き渡し時に最後の途中音声バッファを捨てないようにしました。
- 選択モデルがない、または互換性がない場合に、認識モードを無断で切り替えず、修復が必要と表示します。
- 更新やキャンセルが中断された後、必要なパッケージ全体が残っているか端末内モデル復旧で確認します。
既知の問題
- 新しいMoonshine v2とNemotronストリーミングパッケージは、実機で精度、速度、メモリ、バッテリー、発熱、エディター安全性を確認するまで非表示です。
- モードを提供するには、対応端末でStreamingが入力音声に遅れず、Two-passが意味のある最終修正を返す必要があります。
- HistoryはLoquelaが実行した送信操作を記録できますが、Androidではキーボードからアプリ独自のSendボタンを検出できません。
- Parakeet tail-paddingは診断用で、末尾切れの報告を測定している間は初期状態でオフです。
詳しい技術解説は、Loquelaがライブおよび2パスの端末内音声入力を構築する方法をご覧ください。
Loquelaを入手するか、サポートをご覧ください。