Google Cloud Platform 语音转文本 - 自定义转录文本

Question

我正在使用 Google Cloud Platform (GCP) model adaptation feature of speech to text 来识别行业独有的话语，例如当用户说出 JSON 时，它应该被转录为 JSON 而不是“Jason”。我通过使用短语集和相关的提升值来实现这一点。

本示例中的文本转录为 Json。我希望将其转录为 JSON（全部大写）

我已通读 GCP 文档，但没有找到与我的问题相关的文档。我也试过 Azure，there's an option to upload a pronunciation file。我正在 GCP 中寻找类似的解决方案。

Answer 1

我自己试过了，得到了同样的结果。即使maxAlternatives 设置为 20。

目前没有像发音文件这样的选项，所以我创建了一个Feature Request 来请求它的实现。
记得给它加星标，以便在每次更新时收到电子邮件通知。并且，如果可以，请添加您的业务案例和/或影响以提供完整的图片。

目前，解决方法是在您的代码上实现“捕手”。 在 Python 中，您可以使用 replace() 或 upper()。
类似的东西：

for result in response.results:
    print("Transcript: {}".format(result.alternatives[0].transcript.replace('Json', 'JSON')))

如果您需要捕获更多单词，请使用 if 条件遍历列表：

result='I need a Json file'
lower_words = ['Json', 'csv']
upper_words = ['JSON', 'CSV']
for result in response.results:
    for lower_word, upper_word in zip(lower_words, upper_words):
        if lower_word in result:
            print("Transcript: {}".format(result.alternatives[0].transcript.replace(lower_word, upper_word)))

当然，这将在满足条件的每次迭代时打印，因此如果结果中可能包含多个单词，您可能希望存储中间结果并在嵌套循环之后打印。

我希望您不要更改太多单词，否则这会大大降低您的应用程序速度。