我可以使用从IBM语音到文本的'word_confidence‘来学习发音吗？

Question

我计划建立一个平台，通过说和检查IBM语音到文本API返回的信心水平(如果低于85%的话，他们应该再试一次)来开发用户的语音。我可以在这个场景中使用'word_confidence‘，还是不应该以这种方式使用？

Answer 1

这是值得一试的，但我可以看到一些障碍。

你将如何解释口音和方言？南方口音和中西部口音一样可以理解，也是正确的.

如果您只发出一个要处理的单词语音文件，那么STT服务将无法利用上下文来确定实际说了什么单词，而同音词将是特别棘手的。

你有两个选择：

1.word_alternatives作为替代选项的一部分，但是您将在所有替代响应中获得对所有单词的信心水平。

2.关键词匹配置信度。这很可能是你最好的选择。

Answer 2

这是个很好的项目。值得一试。

@chughts的解释是正确的，我在IBM中遇到了带有口音的问题。

如果IBM不是您的约束，那么您可能需要使用Google的语音API。它给你带来了大量的口音。对于我来说，用例总是有更高的准确性(置信水平)。

但是，由于你的目标本身取决于“信心水平”，那么它(谷歌语音评论)可能会成为你的正反两面。