标签： text-to-speech ibm-watson
使用Watson s2t服务捕获短笔录已经取得了成功。但是一个新项目要求我们录制长而密集的音频流，并且发声之间几乎没有间断。这似乎导致不平凡的延迟不断累积。例如，在早期测试中，典型的2分钟音频流被解析为滞后30秒以上的4-6个转录本（对于简短的语音，它运行数百毫秒，并且永远不会落后）。音频中的一段沉默期似乎可以使服务恢复正常。
问题：是否有减轻这种行为的方法？也许可以缩短笔录间的间隔（在服务器端似乎硬编码为500毫秒）？
我们的原型是用Java编写的，并使用WebSockets。
-rg