用于语音识别的 Vosk-api python。类似谷歌的语音适应功能？

Question

所以 Vosk-api 是一款出色的离线语音识别器，具有出色的支持，但在本文发布时（2020 年 8 月 14 日）文档非常差（或巧妙地隐藏）

问题是：是否有任何替代 google-speech-recognizer 功能，可以通过语音适应来进一步改进转录？

例如

"config": {
    "encoding":"LINEAR16",
    "sampleRateHertz": 8000,
    "languageCode":"en-US",
    "speechContexts": [{
      "phrases": ["weather"]
    }]
}

对于 Google，此配置意味着短语 weather 将具有更高的优先级，例如，是否听起来相同。

还是类令牌？ 我知道它可能不会在 Vosk for python3 中实现，但仍然......

以下是参考资料：

https://cloud.google.com/speech-to-text/docs/class-tokens

---

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

Answer 1

您可以关注此文档了解有关 Vosk 模型适配的信息：

https://alphacephei.com/vosk/adaptation

基本上有4个级别：

1. 用list of words to recognize更新小模型
2. 离线更新小模型with the language model from texts
3. 更新语言模型和字典inside the big model
4. 微调音响model on your data

这个过程不是完全自动化的，但是你可以在群里寻求帮助。