是否可以使用示例数据训练Google Speech API以帮助我的应用程序进行识别？
我的意思是像wit.ai提供的方法，并描述here（即使该示例适用于nlp处理）。基本上，如果您可以预测用户与机器人之间的交互，您可以训练它以更好地执行。例如，我知道将要使用的城市子集，例如：当我说Zurich时它似乎无法使机器人理解我，它变为Syria或Siberia但我已经知道这是不可能的。所以，如果我，让我们说，可以上传首先使用的首选词汇列表，然后如果没有找到匹配，那么回退到标准识别或类似的方法，我认为它将获得更好的结果。
有任何想法是否有可能以及如何？我知道这些API处于测试阶段且可能会发生变化，但我仍然想尝试一下。
我可以上传一些我目前正在做的代码示例，虽然它只是发送音频并分析到目前为止的结果，所以并不是真的接近这个问题。
答案 0 :(得分：1)
在recognition config中，您可以指定使用maxAlternatives字段返回的替代字段（最多30个）。一旦您有30个替代方案，您将有Syria信心0.5，Siberia信心0.01和Zurich信心0.1。通常会有正确的答案，尽管它可能不在最顶层。您可以根据当前状态选择最佳替代方案。
答案 1 :(得分：0)
当前的Google Cloud Speech-to-Text API允许用户指定提供语音识别任务提示的单词和短语列表。
来自https://cloud.google.com/speech-to-text/docs/basics（mirror）：
speechContext- （可选）包含用于处理此音频的其他上下文信息。上下文包含以下子字段： 短语 - 包含提供语音识别任务提示的单词和短语列表。
有关详细信息，请参阅：https://cloud.google.com/speech-to-text/docs/basics#phrase-hints（mirror）。