如何提高沃森语言的文本准确性？

Question

据我所知，沃森对文本的演讲在某种程度上是为口语对话和1到2位发言者校准的。我也知道它能比WAV和OGG更好地处理FLAC。

我想知道如何改进算法识别，从声学上讲。

我是说，增加音量有帮助吗？或者用压缩过滤器？降噪？

什么样的预处理可以帮助这项服务？

Answer 1

提高基本模型(非常精确但也非常通用)的准确性的最佳方法是使用沃森STT定制服务：https://www.ibm.com/watson/developercloud/doc/speech-to-text/custom.html。这将使您能够创建一个定制模型，定制您的领域的具体情况。如果你的领域不是很好地匹配那些捕捉到的基础模型，那么你可以期待一个很大的提高识别精度。

“我也知道它能比WAV和OGG更好地处理FLAC”，但事实并非如此。沃森STT服务提供了对flac、wav、ogg和其他格式的完全支持(请参阅本文档的本节：https://www.ibm.com/watson/developercloud/doc/speech-to-text/input.html#formats)。