为什么 Google Speech API 比内置语音识别差这么多

Question

我正在使用 Android 上的 Google Speech API 在我的 Android 应用中启用语音到文本。但是，我注意到与 Google Assistant 或内置的“Hey Google”服务相比，识别度要差得多。

是使用其他 API 还是相同的 API，质量差异如此之大的原因可能是什么。

例如，当我说“Smitten Ice Cream”（加利福尼亚州旧金山的一个地方）时，Google 地图会立即理解该语音，而我的应用在尝试 5 次后仍无法理解。有没有办法向我尝试转录位置的语音 API 添加上下文？

Answer 1

这个答案是基于一个假设，多年来我使用内置的 Google SpeechRecognizer 作为我的applications。

我收到很多很多报告，当用户第一次开始使用我的应用程序时，语音识别远没有他们习惯使用 Google Now/Assistant 准确 - 尽管它看起来是相同的“服务”他们的设备。

假设是，当您将 package name 放在 Intent 详细信息中时：

intent.putExtra(RecognizerIntent.EXTRA_CALLING_PACKAGE, getPackageName());

Google 将为此软件包启动一个新的“语音模型”，除非已经存在。如文档中所述，如果您省略此内容 - Google 可能会添加此内容。

这实际上是一种明智的做法。如果您的应用程序专注于医学术语，您不希望结果对这些术语产生偏见——任何现有模型都可能如此。

我发现使用一段时间后，准确率大大提高了。

由于长期存在的错误，还有另一个潜在问题 - 如果识别结果仍然存在问题，您需要卸载提供 RecognitionService 的 Google 应用，删除所有文件等并重新安装。对于那些准确性令人费解的人来说，这是一个即时修复。

我的应用程序疑难解答部分出现了与上述非常相似的一段，以帮助用户理解。我没有遇到过识别准确率没有提高的情况。

不是适合您的解决方案，但我希望确认您的经验会有所帮助。