API 或 SDK 仅对数字（1 到 10000 之间）进行语音识别？

Posted 2023-04-19

【中文标题】API 或 SDK 仅对数字（1 到 10000 之间）进行语音识别？

【英文标题】：API or SDK to make speech recognition only for numbers (between 1 and 10000)?

【发布时间】：2019-08-26 18:34:33

【问题描述】：

我需要一种经过优化的专门解决方案来检测 1 到 1000 之间的数字，以便在智能手机上使用。 最好的解决方案是让这个 SDK 离线工作。 任何想法 ？ 我没有找到任何使用 Google Speech 或 Amazon Transcribe 的配置来允许“仅数字”

【问题讨论】：

我对此投了赞成票。我也有类似的需求。我正在开发一个用于进行语音输入清单（离线）的应用程序。用户会声明一个预定义的关键字，后跟一个数字。

这不是一个与编码相关的问题。没有显示任何努力（即使是寻找和实施）。这根本不是提出这个问题的正确地方。

【参考方案1】：

严格要求人们提供数字是不正确的，即使您要求他们提供数字，他们通常也会说很多诸如“我不知道”或“等一下”之类的话。您将严重损害体验。

你必须智能地分析识别结果，即使识别出非数字你也必须采取相应的行动。

要特别提高数字的准确性，您可以使用 Google Speech API 的word hint feature。只需添加数字和其他必需的单词作为提示，Google 就会更准确地识别它们。亚马逊也有这个功能，他们称之为“custom vocabulary”。

如果您想使用离线 API，您当然可以尝试Kaldi。可以adapt Kaldi vocabulary带数字提高准确率，会比谷歌API好很多。

【参考方案2】：

我为此找到的最佳解决方案是将 class tokens 作为短语传递给您的 google 请求。这允许您指定常用的特定值集以用作字典。例如，传入 ["$OOV_CLASS_DIGIT_SEQUENCE"] 允许您过滤任意长度的数字。