谷歌语音 API 单一话语

Question

Google Speech API 的SingleUtterance 是如何工作的？根据文档，这是谷歌确定说话者何时说出单一话语的方式。我明白它的作用，但我想知道怎么做？ API 是否只是等待一段时间的“无声”音频？如果是这样，多长时间无声音频会触发话语的结束？

它是否有其他类型的 AI 算法来帮助确定某人何时停止说话？

谢谢

Answer 1

我认为不会暴露细节，我认为检测音频结尾是 API 的决定。相反，它提供了识别何时做出此类决定的方法。

在正常情况下，流将继续收听和处理音频，直到the stream is closed directly, or the stream's limit length has been exceeded。在这种情况下，不需要设置 single_utterance。

当您需要它（例如语音命令）并设置 single_utterance=true 时，API 会决定何时完成识别并向您的客户端发送 END_OF_SINGLE_UTTERANCE event 并停止识别。