Google Speech API 的正确识别结果

Question

是否可以使用示例数据训练 Google Speech API 以帮助在我的应用程序中进行识别？

我的意思是一种类似于 wit.ai 提供并描述为here 的方法（即使该示例适用于 nlp 处理）。基本上，如果您可以预测用户将与您的机器人进行的交互，您可以训练它以更好地执行。例如，我知道将使用的城市子集，例如：当我说Zurich 时，我似乎无法让机器人理解我，它变成了Syria 或Siberia，但我已经知道这是不可能的。因此，假设我可以先上传要使用的首选单词列表，然后如果找不到匹配项，则回退到标准识别或其他类似方法，我认为它会取得更好的结果。

知道是否可能以及如何实现？我知道这些 API 处于测试阶段，可能会发生变化，但我仍然想尝试一下。

我可以上传一些我目前正在做的代码示例，尽管到目前为止它只是发送音频并分析结果，所以并没有真正接近这个问题。

Answer 1

在recognition config 中，您可以指定替代项以使用 maxAlternatives 字段（最多 30 个）返回给您。一旦您有信心地拥有 30 个备选方案，您将有信心地拥有Syria 信心地0.5、信心地Siberia 信心地0.01 和信心地Zurich 信心地0.1。通常存在正确的答案，尽管它可能不在顶部。您可以根据自己的状态选择最佳替代方案。

Answer 2

当前的 Google Cloud Speech-to-Text API 允许用户指定为语音识别任务提供提示的单词和短语列表。

来自https://cloud.google.com/speech-to-text/docs/basics (mirror)：

speechContext -（可选）包含用于处理此音频的附加上下文信息。上下文包含以下子字段： 短语 - 包含为语音识别任务提供提示的单词和短语列表。

更多详情请见：https://cloud.google.com/speech-to-text/docs/basics#phrase-hints(mirror)。