api - 谷歌云语音 API 词提示

Question

您能否给出在 Google 云语音 API 中使用单词提示的示例。我尝试对 brook.flac 使用 Rest API 执行器。我输入短语布鲁克林(而不是布鲁克林)，但结果是一样的。它们真的有效吗？

Answer 1

来自 https://cloud.google.com/speech-to-text/docs/speech-adaptation

对于任何给定的识别任务，您还可以传递一个语音上下文(SpeechContext 类型)，它提供信息以帮助处理给定的音频。目前，上下文可以保存一个短语列表，作为识别器的“提示”；这些短语可以提高识别此类单词或短语的概率。

您可以通过以下几种方式使用这些短语提示:

提高在您的音频数据中可能出现过多的特定字词和短语的准确性。例如，如果特定命令通常由用户说出，您可以提供这些作为短语提示。如果提供的音频包含噪声或包含的语音不是很清晰，则此类附加短语可能特别有用。在识别任务的词汇表中添加额外的单词。 Cloud Speech API 包含一个非常大的词汇表。但是，如果专有名称或特定领域的词超出词汇表，您可以将它们添加到提供给请求的 SpeechContext 的短语中。短语既可以作为小词组提供，也可以作为单个词提供。 (有关这些短语的数量和大小的限制，请参阅内容限制。)当作为多词短语提供时，提示会提高按顺序识别这些单词的概率，但在较小程度上也会提高识别部分单词的概率。短语，包括单个单词。

例如，这个 shwazil_hoful.flac 文件包含一些虚构的词。如果在没有提供这些超出词汇表的单词的情况下执行识别，则识别器将不会返回所需的转录，而是返回词汇表中的单词，例如:“it's a swing all day”。

{
  "config": {
    "encoding":"FLAC",
    "sampleRateHertz": 16000,
    "languageCode":"en-US"
  },
  "audio":{
    "uri":"gs://speech-demo/shwazil_hoful.flac"
  }
}

但是，当识别请求提供这些词汇表外的单词时，识别器将返回所需的文字记录:“这是一个 shwazil hoful day”。

{
  "config": {
    "encoding":"FLAC",
    "sampleRateHertz": 16000,
    "languageCode":"en-US",
    "speechContexts": {
      "phrases":["hoful","shwazil"]
     }
  },
  "audio":{
    "uri":"gs://speech-demo/shwazil_hoful.flac"
  }
}

或者，如果某些词通常在一个短语中一起说，则可以将它们组合在一起，这可能会进一步增加它们被识别的信心。

{
  "config": {
    "encoding":"FLAC",
    "sampleRateHertz": 16000,
    "languageCode":"en-US",
    "speechContexts": {
      "phrases":["shwazil hoful day"]
     }
  },
  "audio":{
    "uri":"gs://speech-demo/shwazil_hoful.flac"
  }
}

一般来说，在提供语音上下文提示时要谨慎。通过将短语限制为仅预期说出的短语，可以实现更好的识别准确性。例如，如果有多个对话状态或设备操作模式，则只提供与当前状态对应的提示，而不是总是为所有可能的状态提供提示。