Question

我正在使用Googles这个api： -

https://www.google.com/speech-api/v2/recognize?output=json&lang=＆＃34 + language_code +＆＃34;＆amp; key =＆＃34;我的密钥＆＃34;

用于语音识别，并且工作得非常好。

问题在于数字，例如，如果我说one two three four，结果将为1234 如果我说one thousand two hundred thirty four，结果仍为1234。

另一个问题是，使用其他语言，即德语中的单词elf为eleven。如果你说elf结果是11，而不是精灵。

我知道我们无法控制api，但是我们可以添加任何参数或黑客来强制它只返回单词。

有时候反应的结果是正确的，但并非总是如此。

这些是样本回复

1）当我说＆＃34;一个二三四＆＃34;

{"result":[{"alternative":[{"transcript":"1234","confidence":0.47215959},{"transcript":"1 2 3 4","confidence":0.25},{"transcript":"one two three four","confidence":0.25},{"transcript":"1 2 34","confidence":0.33333334},{"transcript":"1 to 34","confidence":1}],"final":true}],"result_index":0}

2）当我说＆＃34;一千二百三十四＆＃34;

{"result":[{"alternative":[{"transcript":"1234","confidence":0.94247383},{"transcript":"1.254","confidence":1},{"transcript":"1284","confidence":1},{"transcript":"1244","confidence":1},{"transcript":"1230 4","confidence":1}],"final":true}],"result_index":0}

我做了什么。

检查结果是否为数字，然后按空格分割每个数字并检查结果数组中是否有相同的序列。在这例如结果1234变为1 2 3 4并将搜索结果数组中是否存在类似的序列，然后将其转换为单词。在第二种情况下，没有1 2 3 4，因此将坚持原始结果。

这是代码。

 String numberPattern = "[0-9]";
  Pattern r1 = Pattern.compile(numberPattern);
  Matcher m2 = r1.matcher(output);
  if (m2.find()) {
      char[] digits2 = output.toCharArray();
      String digit = "";
      for (char c: digits2) {
          digit += c + " ";
      }

      for (int i = 1; i < jsonArray2.length(); i++) {
          String value = jsonArray2.getJSONObject(i).getString("transcript");
          if (digit.trim().equals(value.trim())) {
              output = digit + " ";
          }
      }
  }

所以问题是当我说“十四四四”时＃34;这种方法将13分为三，因此不是一个可靠的解决方案。

更新

我尝试了新的云视觉api（https://cloud.google.com/speech/），它比v2好一点。 one two three four的结果是单词本身也是我的解决方法。但是，当我说thirteen four eight时，它仍然与v2中的结果相同。

精灵在德语中仍然是11岁。

还尝试了speech_context，但也没有效果。

Answer 1

看看这个question and answer。

您可以提供API＆＃34;语音环境＆＃34;提示，像这样：

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

我想这也适用于其他语言，比如德语。

"speech_context": {
  "phrases":["eins", "zwei", "drei", ..., "elf", "zwölf" ... ]
 }

Answer 2

您可能需要自己将数字（不是数字）转换为单词。由于大多数语言都有一些逻辑（例如英语，德语），您可以使用算法方法来实现这一点。

请参阅 How to convert number to words in java

有没有办法强制Google Speech api只返回单词作为回复？

2 个答案: