Google Speech API的正确识别结果

Question

可以用样本数据训练Google Speech API来帮助我的应用程序进行识别吗？

我的意思是一种方法，类似于wit.ai提供的方法和描述的here (即使这个例子适用于nlp处理)。基本上，如果你能预测你的用户将与你的机器人进行的交互，你就可以训练它来更好地执行。例如，我知道将使用的城市子集，例如:当我说Zurich时，我似乎无法让机器人理解我，它变成了Syria或Siberia，但我已经知道这是不可能的。因此，假设我可以上传一个首选单词列表，然后如果找不到匹配的单词，则可以退回到标准识别或某种类似的方法，我认为它会获得更好的结果。

你知道这是不是可能的以及如何实现的？我知道这些API处于测试阶段，可能会有变化，但我仍然想试一试。

我可以上传一些我目前正在做的代码样本，尽管它只是发送音频和分析结果，所以不是真正接近这个问题。

Answer 1

在recognition config中，您可以指定替代项来返回maxAlternatives字段(最多30个)。一旦你有了30个自信的选择，你就会有自信的Syria 0.5，自信的Siberia 0.01和自信的Zurich 0.1。通常情况下，正确的答案是存在的，尽管它可能不在顶部。您可以根据您当前的状态选择最佳备选方案。

Answer 2

当前的Google Cloud Speech- to -Text API允许用户指定为语音识别任务提供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-包含为语音识别任务提供提示的单词和短语的列表。

有关详细信息，请参阅：https://cloud.google.com/speech-to-text/docs/basics#phrase-hints (mirror)。