5

我在 Google Meet 上开会，看到你可以打开实时字幕。他们实际上在这里有一个关于如何完成实时语音到文本的演示，所以这一点不会让我感到困惑。

我也一直想尝试使用 WebRTC（我相信 GoogleMeet 使用它）只是为了看看它的功能 - 例如，无需任何额外屏幕即可共享屏幕的能力。

但是，我一直认为 WebRTC 视频/音频流是客户端对等的。因此，我的问题是

  • 那么谷歌如何能够将音频流发送到服务器进行分析呢？
  • 是否可以将音频流发送到客户端以及服务器？
  • 您是否必须创建两个相同的音频流（我不知道这是否可能），通过 WebRTC 将一个发送到其他对等方，另一个发送到服务器进行分析？

他们如何实现这一点 - 如果他们不使用 WebRTC，是否可以使用 WebRTC 实现这一点？

4

1 回答 1

6

Google Meet 正在使用 WebRTC。在这种情况下，“对等点”是服务器，而不是浏览器。虽然 6 年的历史和一些细节已经改变，但这篇旧文章的大部分内容仍然是真实的。Google 可以从服务器进行音频处理。

该视频描述了语音转文本（实际上是翻译+文本转语音）所需的架构。

于 2020-03-27T07:49:04.687 回答