Bing语音识别API输出 - 数字与文本

Question

我看到一些奇怪的行为，语音识别API有时会返回单词，有时会返回数字。例如，给定音频输入为＆＃34;十五美元和七美分＆＃34;它有时会返回＆＃34;十五美元和七美分＆＃34;和其他人＆＃34; $ 15.07＆＃34;。有没有办法确保一个或另一个被退回？或者，我是否需要自己解析并将单词转换为数字。

谢谢！

Answer 1

我刚刚研究了类似的问题，发现BingSTT API在不同的领域中返回两个版本。刚刚使用示例代码尝试了您的示例：https://github.com/Microsoft/Cognitive-Speech-STT-JavaScript并获得此响应：

[{
"lexical": "fifteen dollars and seven cents",
"display": "$15.07.",
"inverseNormalization": null,
"maskedInverseNormalization": null,
"transcript": "$15.07.",
"confidence": 0.9474185
}]

所以我猜你的选择是使用哪个字段，词汇或显示。希望这会有所帮助。