Google Speech API 可以配置为仅返回数字和字母,而不是完整的单词吗?
用例是翻译加拿大邮政编码。
前任。 M 1 B 0 R 3. 谷歌可能会返回“Em 1 Be 0 Are 3”
我们已经尝试过:
speechContexts
并输入字母 A - Z,作为单独的短语。这提高了我们的准确性。我们在传递单个数字(例如 1、2、3)方面没有取得太大成功。 encoding
指定 WAV 文件的编解码器和采样率和 sampleRateHertz
配置选项。我们认为这样做没有任何改进,因为我们相信谷歌已经在自动识别采样率和编码方面做得很好。 我们的音频文件是 8000hz 并用“M-ULAW”编码。我们无法灵活更改采样率或编码。
对于这个用例,有没有办法从 Google 获得更准确的响应?甚至更好的想法
speechContexts
欢迎使用短语。谢谢
最佳答案
我们遇到了相同的结果,我们希望有一个基于语法的“上下文”建议或一个参数来强制只返回数字变量。
api 版本的变化并没有修复识别数字的方式,甚至没有使用模型:phone_call。
识别某种数字实际上更好的是切换到 en_US 语言环境,这反过来又迫使识别引擎将数字列表识别为电话。所以它以类似电话的语法返回 +XXX-XXX-XXX-XXXX,这使得检测非常好。
所以我不明白为什么谷歌在幕后有语法匹配并且没有通过他们的 api 提供它。
关于google-api - 可以将 Google Speech API 配置为仅返回数字/字母吗?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45310657/