我正在使用Googles这个api:
https://www.google.com/speech-api/v2/recognize?output=json&lang="+ language_code+"&key="My key“
用于语音识别,它工作得很好。
问题出在数字上,也就是说,如果我说one two three four
,结果将是1234
,如果我说one thousand two hundred thirty four
,结果仍然是1234
。
另一个问题是,在其他语言中,德语中的单词elf
是eleven
。如果你说elf
,结果是11
,而不是elf。
我知道我们无法控制api,但有没有什么参数或技巧可以添加到这个api中,以强制它只返回文字。
响应有时会有正确的结果,但并不总是如此。
这些是样例回答
1)当我说“一二三四”
{"result":[{"alternative":[{"transcript":"1234","confidence":0.47215959},{"transcript":"1 2 3 4","confidence":0.25},{"transcript":"one two three four","confidence":0.25},{"transcript":"1 2 34","confidence":0.33333334},{"transcript":"1 to 34","confidence":1}],"final":true}],"result_index":0}
2)当我说“1,234”时
{"result":[{"alternative":[{"transcript":"1234","confidence":0.94247383},{"transcript":"1.254","confidence":1},{"transcript":"1284","confidence":1},{"transcript":"1244","confidence":1},{"transcript":"1230 4","confidence":1}],"final":true}],"result_index":0}
我所做的一切。
检查结果是否为数字,然后将每个数字按空格拆分,并检查结果数组中是否存在相同的序列。例如,在这个例子中,结果1234变成了1 2 3 4,并将搜索结果数组中是否有类似的序列,然后将其转换为words.In 2,如果没有1 2 3 4,则将坚持使用原始结果。
这就是代码。
String numberPattern = "[0-9]";
Pattern r1 = Pattern.compile(numberPattern);
Matcher m2 = r1.matcher(output);
if (m2.find()) {
char[] digits2 = output.toCharArray();
String digit = "";
for (char c: digits2) {
digit += c + " ";
}
for (int i = 1; i < jsonArray2.length(); i++) {
String value = jsonArray2.getJSONObject(i).getString("transcript");
if (digit.trim().equals(value.trim())) {
output = digit + " ";
}
}
}
所以问题是,当我说“十三四八”时,这种方法会将13拆分为三,因此不是一个可靠的解决方案。
更新
我尝试过新的cloud vision api (https://cloud.google.com/speech/),它比v2好一点。one two three four
的结果就是文字本身,我的变通方法也适用于它。但是当我说thirteen four eight
的时候,它仍然是和v2一样的结果。
而且精灵在德语中还只有11岁。
我也尝试了speech_context
,但也不起作用。
发布于 2017-03-15 21:03:42
看看这个question and answer。
您可以给API "speech context“提示,如下所示:
"speech_context": {
"phrases":["zero", "one", "two", ... "nine", "ten", "eleven", ... "twenty", "thirty,..., "ninety"]
}
我想这也适用于其他语言,比如德语。
"speech_context": {
"phrases":["eins", "zwei", "drei", ..., "elf", "zwölf" ... ]
}
发布于 2017-03-25 19:14:36
您可能需要自己将数字(而不是数字)转换为单词。因为在大多数语言(例如英语、德语)中都有一些逻辑,所以你可以用算法的方法来做这件事。
https://stackoverflow.com/questions/42784797
复制相似问题