Question

我开始使用google speech api转录音频。

被转录的音频包含一个接一个地说出的许多数字。

E.g。 273 298

但是转录回来了270-3298

我的猜测是它将它解释为某种电话号码。

我想要的是未解析的输出，例如＆＃34;二七十三二九十八＆＃39;我可以自己处理和解析。

是否有这种设置或支持？

谢谢

Answer 1

尝试使用一些短语提示传递语音上下文。如何使用它在此处记录：https://cloud.google.com/speech/docs/basics#phrase-hints

为其提供您想要识别的拼写数字。

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

这并不能保证有效，但可能有所帮助。

Answer 2

所以我也遇到了同样的问题，我想我们找到了解决方案。如果您使用英语作为输入，则仅在处理数字时切换到en-PH。然后，Google不会将结果格式设置为美国电话号码，也不会尝试在其中添加多余的数字。

Answer 3

为了记录，我尝试了上面的blambert解决方案，不幸的是它不起作用。我最近发布了另一个问题，看看是否有人找到了解决这种行为的方法，因为它阻止我实施我原计划的转录服务。

Answer 4

您是否尝试过 Google Speech customClass？

您有一些可以使用的类令牌，告诉 API 您不需要电话号码而是不同类型的号码。

例如，如果您选择使用 OOV_CLASS_AM_RADIO_FREQUENCY，您将指定 API 来解释这样的数字：

可能（还没读过）API 默认使用此类 FULLPHONENUM 来表示数字：