问Google Cloud Speech API word提示

EN

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speechContext (类型为SpeechContext)，它提供帮助处理给定音频的信息。目前，上下文可以保存一个短语列表，作为识别器的“提示”；这些短语可以提高这些单词或短语被识别的概率。

你可以通过几种方式使用这些短语提示：

提高音频数据中可能出现过多的特定单词和短语的准确性。例如，如果用户通常会说出特定的命令，则可以将这些命令作为短语提示提供。如果所提供的音频包含噪声或所包含的语音不是非常清楚，则这种附加短语可能特别有用。向识别任务的词汇表中添加其他单词。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于领域的单词不在词汇表中，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，也可以作为单个单词提供。(有关这些短语的数量和大小的限制，请参阅内容限制。)当作为多单词短语提供时，提示提高了按顺序识别这些单词的概率，但在较小程度上也提高了识别短语部分(包括单个单词)的概率。

例如，此shwazil_hoful.flac文件包含一些虚构的单词。如果在不提供这些词汇表外的单词的情况下执行识别，识别器将不会返回所需的文本，而是返回词汇表中的单词，例如："it's a swallow day“。

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

然而，当这些词汇表外的单词随识别请求一起提供时，识别器将返回所需的文本："it's a 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，如果某些单词通常在一个短语中一起说，则可以将它们组合在一起，这可以进一步增加它们将被识别的置信度。

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

通常，在提供语音上下文提示时要谨慎。通过将短语限制为预期要说出的短语，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，而不总是为所有可能的状态提供提示。