如何向 microsoft-cognitiveservices-speech-sdk 添加语法/提示？

Question

我使用 microsoft-cognitiveservices-speech-sdk 的 Javascript 库进行了基本设置。我使用浏览器实现，而不是节点实现。总的来说，它工作正常，但确实会出现一些问题，其中转录有点偏离。

背景

我正在进行的项目是一个网络应用程序，它使用语音识别。用户使用 A6、B12 等业务代码与应用程序交互...

我尽可能使用 webkitSpeechRecognition，在任何其他情况下，我都会使用 microsoft-cognitiveservices-speech-sdk 提供后备方案，大多数情况下效果都很好。

问题

在 microsoft-cognitiveservices-speech-sdk 上，业务代码并不总是正确转录。 webkitSpeechRecognition 在这方面做得更好。

示例（法语）：

• 用户 > A20（发音为“a vingt”）
• STT > 前卫
• 预计：A20

这可能看起来很接近，但实际上并非如此，webkitSpeechRecognition 能够正确解决这个问题。 在文档中，似乎可以提供动态语法和建议/提示以帮助 STT。但是我找不到使用此界面的示例或方法。我想知道是否有些人可能对此有所了解。

为了更详细地说明这一点，我正在考虑提供一个 IDynamicGrammar 对象，但我不知道这是否是正确的方法，也不知道如何提供。

旁注

• 我可以使用类似 ElasticSearch 之类的机制来找到正确的对应关系，但这只需要我到目前为止。我真的很想优化 STT。
• 我不能强制所有用户都使用 Chrome
• 我无法更改公司代码

Answer 1

通读文章： https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/how-to-phrase-lists?pivots=programming-language-javascript

短语列表目前仅适用于英语。

或者，您可以训练/自定义自己的模型。

下面的文章也有同样的细节：

• https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/how-to-custom-speech
• https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/how-to-custom-speech-test-and-train

请注意，Azure Speech to Text 中的发音映射/提示目前仅适用于英语和德语。

参考：https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/how-to-custom-speech-test-and-train#related-text-data-for-training

但是，我已经随便尝试了说出的句子-提到文章here 因为这没有任何语言限制。

我创建了示例句子作为相关文本，训练了模型并部署了模型。 这对代码/非语法词有更好的识别。 例句：

• 这是 20 家企业
• 将出现 B 6 商业模式
• 另一方面，B 6 作为一家企业做得不好
• 请注明 C 26 的利润。

开箱即用的语音识别：

使用自定义训练模式进行语音识别后：

话虽如此，我假设如果我们用更多数据训练模型 - 句子、带有标记文本的音频（因为这也没有任何语言限制）。自定义模型将满足您的要求。

要在 Java Script 中使用自定义模型，您可以参考这篇文章：

https://docs.microsoft.com/en-us/azure/cognitive-services/speech-service/how-to-specify-source-language?pivots=programming-language-more