Android SpeechRecognizer“信心”值令人困惑

Question

我正在通过 Intent 使用 SpeechRecognizer：

Intent i = new Intent(RecognizerIntent.ACTION_RECOGNIZE_SPEECH);
i.putExtra(RecognizerIntent.EXTRA_LANGUAGE_MODEL,
        RecognizerIntent.LANGUAGE_MODEL_FREE_FORM);

i.putExtra(RecognizerIntent.EXTRA_PROMPT,
        "straight talk please");

i.putExtra(RecognizerIntent.EXTRA_MAX_RESULTS, 5);
i.putExtra(RecognizerIntent.EXTRA_LANGUAGE, 
            "en-US";

startActivityForResult(i, 0);

我在 onActivityResults() 中得到这样的结果：

protected void onActivityResult(int requestCode, int resultCode, Intent data) {

    if (requestCode == 0 && resultCode == RESULT_OK) {

        // List with the results from the Voice Recognition API
        ArrayList<String> results = data
                .getStringArrayListExtra(RecognizerIntent.EXTRA_RESULTS);

        // The confidence array
        float[] confidence = data.getFloatArrayExtra(
                RecognizerIntent.EXTRA_CONFIDENCE_SCORES);

        // The confidence results       
        for (int i = 0; i < confidence.length; i++) {
            Log.v("oAR", "confidence[" + i + "] = " + confidence[i]);
        }
    }

    super.onActivityResult(requestCode, resultCode, data);
}

但是 float 数组总是返回 0.0 作为结果，但是第一个元素是这样的：

confidence[0] = any value between 0 and 1
confidence[1] = 0.0
confidence[2] = 0.0
and so on

我希望每个结果都有一个介于 0 和 1 之间的置信度值。否则它似乎毫无用处，因为默认情况下具有最高置信度的结果将是第一个元素，而不使用 EXTRA_CONFIDENCE_SCORES。有什么我想念的吗？

此外，RecognizerIntent.EXTRA_CONFIDENCE_SCORES 应该用于API Level 14++。但不管我使用哪个 API 高于 8，结果保持不变。那个时候文档已经过时了吗？

Answer 1

根据我对文档的解释：

recognizerIntent.Extra_Results 返回一个 ordered 字符串数组列表，每个字符串都是关于所说内容的一个建议，索引 0 处的字符串是识别器最有信心的建议.

recognizerIntent.Extra_Confidence_Scores 返回与这些建议中的每一个相对应的浮点数组。

所以，如果你得到的结果是正确的（否则这可能是一个错误）， 那么识别器有 1 个并且只有 1 个暗示它有信心，而其他几个暗示它只能忽略或没有信心。

我得到了类似的结果。就像您一样，我从未有过一组结果，其中一个以上的建议具有不可忽略的信心。 例如 0.7435, 0.0, 0.0, 0.0, ......

然而，我有时会得到一组结果，其中所有结果的可信度都可以忽略不计。例如0.0, 0.0, 0.0, 0.0, 0.0, ......

所以是的，结果中的第一个元素将始终是识别器最有信心的元素。

Answer 2

我没有进行语音重组。但是，正如您所说，您将浮点数组值设为 0.0，这意味着 float array is null 。你能检查一下 float[] 是返回 null 还是返回。

ArrayList<String> results = data
            .getStringArrayListExtra(RecognizerIntent.EXTRA_RESULTS);

float[] confidence = data.getFloatArrayExtra(
            RecognizerIntent.EXTRA_CONFIDENCE_SCORES);
if (confidence == null)
{
 for (int i = 0; i < results.size(); i++)
  {
   Log.d(TAG, i + ": " + results.get(i));
  }
}
else
{
   for (int i = 0; i < results.size(); i++)

   {
     Log.d(TAG, i + ": " + heard.get(i) + " confidence : "  + confidence[i]);
  }
}

您能否查看Greg Milette、Adam Stroud 所著的《Professional Android Sensor Programming》一书，这肯定会对您有所帮助。您将在本书的394 页上获得一些详细信息。

Answer 3

传统的语音识别算法只允许返回 1-best 结果的置信度，因为它是与其他结果比较的结果来计算置信度。也可以返回 N 个最佳结果，而不是仅返回 1 个最佳结果，但是，计算它们的置信度要困难得多。

Google 似乎只实现了传统方法，并在 API 中保留了位置，以便以 n 最佳置信度获得更详细的结果。

您只需要等待 Google 正确实施所有内容即可。