azure - Bing 语音识别 API 输出 - 数字与文本

Question

我发现一些奇怪的行为，语音识别 API 有时会返回单词，有时会返回数字。例如，给定音频输入“十五美元七美分”，它有时会返回“十五美元七美分”，而其他则返回“$15.07”。有没有办法确保其中一个被退回？或者，我是否需要自己解析单词并将其转换为数字。

谢谢!

Answer 1

我刚刚研究了类似的问题，发现 BingSTT API 在不同的字段中返回两个版本。只需使用此处的示例代码尝试您的示例:https://github.com/Microsoft/Cognitive-Speech-STT-JavaScript并得到了这样的回应:

[{
"lexical": "fifteen dollars and seven cents",
"display": "$15.07.",
"inverseNormalization": null,
"maskedInverseNormalization": null,
"transcript": "$15.07.",
"confidence": 0.9474185
}]

所以我想你可以选择使用哪个字段，词汇还是显示。希望这会有所帮助。