API或SDK仅对数字（1到10000之间）进行语音识别？

Question

我需要经过优化的专业解决方案，以检测智能手机上使用的1到1000之间的数字。 最好的解决方案是让此SDK脱机工作。 任何想法 ？ 我找不到Google Speech或Amazon Transcribe的任何配置以允许“仅数字”

Answer 1

严格要求人们提供数字并不完全正确，他们通常会说很多东西，例如“我不知道”或“稍等”，即使您要求他们提供数字。您会严重损害体验。

您必须智能地分析识别结果，即使识别出非数字，您也必须采取相应措施。

要专门提高数字的准确性，您可以使用Google Speech API的word hint feature。只需添加数字和其他必需的单词作为提示，Google就会更加准确地识别它们。亚马逊也具有此功能，他们称其为“ custom vocabulary”。

如果您要使用离线API，则可以尝试使用Kaldi。您可以使用数字adapt Kaldi vocabulary来提高准确性，它会比Google API更好。

Answer 2

我找到的最佳解决方案是将 class tokens 作为短语传递给您的 google 请求。这允许您指定要用作字典的特定值的通用集。例如，传入 ["$OOV_CLASS_DIGIT_SEQUENCE"] 允许您过滤任意长度的数字。