Google-speech-api不正确地转录语音数字

Question

我开始使用google speech api来转录音频。

正在转录的音频包含许多一个接一个地说出的数字。

例如:273298

但转录结果是270-3298

我的猜测是，它正在将其解释为某种电话号码。

我想要的是未解析的输出，例如“2732998”，我可以自己处理和解析。

这类东西有没有设置或支持？

谢谢

Answer 1

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，则在处理数字时切换到en-PH。然后，谷歌将不会将结果格式化为美国电话号码，也不会试图在其中插入额外的数字。

Answer 2

尝试传递带有一些短语提示的语音上下文。如何使用它在这里有文档：https://cloud.google.com/speech/docs/basics#phrase-hints

给出你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，但它可能会有所帮助。

Answer 3

根据记录，我尝试了上面的blambert的解决方案，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击败这种行为的方法，因为它阻止了我实现我计划的转录服务。