Google-speech-api 错误地转录口语数字

Posted 2023-04-19

【中文标题】Google-speech-api 错误地转录口语数字

【英文标题】：Google-speech-api transcribing spoken numbers incorrectly

【发布时间】：2017-02-15 01:34:52

【问题描述】：

我开始使用谷歌语音 api 来转录音频。

被转录的音频包含许多一个接一个说出的数字。

例如273 298

但转录返回 270-3298

我的猜测是它会将其解释为某种电话号码。

我想要的是未解析的输出，例如“二七十三二九十八”我可以自己处理和解析。

有这种东西的设置或支持吗？

谢谢

【问题讨论】：

您要求的选择不止一种吗？如果是这样，其他任何人的转录正确吗？

我有 10 个备选方案，所有备选方案都将号码格式化为电话号码

我遇到了类似的问题。应用程序要求用户输入一个 9 位数的卡号，Google 认为用户试图说出一个电话号码，因此它会在结果的末尾甚至中间添加一个额外的数字。

相关***.com/questions/55525503/…

试试 IBM 的 SR 服务，它提供了一个“smart_format”选项来调整是返回原始成绩单还是“格式化”的成绩单

【参考方案1】：

所以我遇到了同样的问题，我认为我们找到了解决方案。如果您使用英语作为输入，请在处理数字时切换到 en-PH。然后，Google 不会将结果格式化为美国电话号码，也不会尝试在其中插入一个额外的数字。

【参考方案2】：

尝试通过一些短语提示传递语音上下文。此处记录了如何使用它：https://cloud.google.com/speech/docs/basics#phrase-hints

给它你想要识别的拼写数字。

"speech_context": 
  "phrases":["zero", "one", "two", ... "nine", "ten", "eleven", ... "twenty", "thirty,..., "ninety"]
 

这不能保证有效，但它可能会有所帮助。

【讨论】：

我们也试过了，不幸的是我们仍然看到这个问题。

【参考方案3】：

为了记录，我在上面尝试了 blambert 的解决方案，但很遗憾，它不起作用。我最近发布了另一个问题，看看是否有人找到了解决这种行为的方法，因为它阻止了我实施我计划的转录服务。

【讨论】：

作为记录，亚马逊的语音识别软件似乎没有将数字格式化为电话号码。如果我无法通过 Google 解决这个问题，我可能需要再看一遍。

【参考方案4】：

你试过谷歌语音customClass吗？

您有一些可以使用的类令牌，告诉 API 您需要的不是电话号码，而是不同类型的号码。

例如，如果您选择使用 OOV_CLASS_AM_RADIO_FREQUENCY，您将指示 API 以如下方式解释数字：

“十二点二十” --> 1220 “七百三十” --> 730

可能（尚未阅读）API 默认使用此类 FULLPHONENUM 来表示数字：

“一八百五五五四哦哦一”--> [phone] “七一八五五六一哦一”--> 718-555-6101