过滤掉某些语音Google Speech API

Question

我正在创建一个语音机器人使用谷歌语音流API和谷歌文本到语音。我只希望用户的语音被转录，即使用户“中断”了voicebot的响应。如何避免voicebot转录自己的声音？

根据我对Siri等现有语音机器人的测试，当使用扬声器时，“过滤”某些声音的能力似乎是可行的。

谢谢

Answer 1

虽然Google Speech API没有这种开箱即用的功能，但您可以尝试一些众所周知的算法。音频波是相加的，因此从音频流本身减去音频流等于零(静默)。考虑到这一点，并为您的voicebot音频输出提供单独的流，一种方法是从用户的输入语音中减去voicebot的语音。如果您无法访问这两个音频流或无法将它们分开，另一种方法是应用speaker diarisation从一个音频源中提取两个语音源。

请注意，如果对两个流进行简单的减法，可能达不到预期的效果，因为减法也会衰减音频。相反，您需要反转减去的流，并将其与从中减去的流进行。