我有兴趣编写一个能够识别多个扬声器的语音识别应用程序。例如,如果 Bill、Joe 和 Jane 正在说话,那么应用程序不仅可以将声音识别为文本,还可以按说话者对结果进行分类(例如 0、1 和 2...因为显然/希望 Google 无法将声音链接到人)。
我正在寻找可以做到这一点的语音识别 API,而 Google Cloud Speech 是排名最高的 API。我查看了 API 文档,看看是否有这样的功能,但没有找到。
我的问题是:这个功能是否存在?
注意:Google 的支持页面表示,他们的工程师有时会在 SO 上回答这些问题,因此似乎有人可能对问题的“意愿”部分有答案。
IMB 的语音转文本服务可以做到这一点。如果您使用他们的休息服务,则非常简单,只需添加您希望在 url 参数中识别不同的扬声器即可。此处的文档 (https://console.bluemix.net/docs/services/speech-to-text/output.html#speaker_labels)
它的工作原理有点像这样:
curl -X POST -u {username}:{password}
--header "Content-Type: audio/flac"
--data-binary @{path}audio-multi.flac
"https://stream.watsonplatform.net/speech-to-text/api/v1/recognize?model=en-US_NarrowbandModel&speaker_labels=true"
然后它将返回一个 json,其中包含结果和演讲者标签,如下所示:
{
"results": [
{
"alternatives": [
{
"timestamps": [
[
"hello",
0.68,
1.19
],
[
"yeah",
1.47,
1.93
],
[
"yeah",
1.96,
2.12
],
[
"how's",
2.12,
2.59
],
[
"Billy",
2.59,
3.17
],
. . .
]
"confidence": 0.821,
"transcript": "hello yeah yeah how's Billy "
}
],
"final": true
}
],
"result_index": 0,
"speaker_labels": [
{
"from": 0.68,
"to": 1.19,
"speaker": 2,
"confidence": 0.418,
"final": false
},
{
"from": 1.47,
"to": 1.93,
"speaker": 1,
"confidence": 0.521,
"final": false
},
{
"from": 1.96,
"to": 2.12,
"speaker": 2,
"confidence": 0.407,
"final": false
},
{
"from": 2.12,
"to": 2.59,
"speaker": 2,
"confidence": 0.407,
"final": false
},
{
"from": 2.59,
"to": 3.17,
"speaker": 2,
"confidence": 0.407,
"final": false
},
. . .
]
}
他们还有针对不同平台的 Web 套接字选项和 SDK,可以访问此选项,而不仅仅是休息调用。
祝你好运
据我所知,当前没有任何提供商将其作为其语音识别 API 的内置部分。
我已使用 Microsoft 认知服务 - 说话者识别 API 进行类似的操作,但音频单独提供给 API 以使用其 语音识别 API。
能够将两者结合起来会很有用。
说话人识别和说话人区分之间存在很大差异。大部分云AI平台主要做的是说话人差异化。 但 Nuance 是唯一一家声称提供说话者识别功能的公司,但您需要购买他们的许可证。 https://www.nuance.com/en-nz/omni-channel-customer-engagement/security/multi-modal-biometrics.html
微软现在将说话人识别作为对话转录的一部分,结合了实时语音识别、说话人识别和分类。这是他们的语音服务的一项高级功能。此处对此进行了描述:
有3个步骤:
如下图所示:
目前仅限于以下地区的
en-US
和 zh-CN
:centralus
和 eastasia
。
如果您正在寻找一个高质量、简单、快速、基于耳语的 API,可以识别多个说话者,我可以推荐这个 API,我个人使用它:https://rapidapi.com/Thomcle/api/说话人二值化语音识别/playground/apiendpoint_1fbdd4ad-2714-4e2b-8e73-5c88dc66af1e
Google 最近发布了在应用程序中访问用户位置、姓名和唯一 ID 的功能。
文档可以在以下位置找到: https://developers.google.com/actions/reference/nodejs/AssistantApp#getUser
使用 getUserName 获取用户名的示例:
const app = new DialogflowApp({request: req, response: res});
const REQUEST_PERMISSION_ACTION = 'request_permission';
const SAY_NAME_ACTION = 'get_name';
function requestPermission (app) {
const permission = app.SupportedPermissions.NAME;
app.askForPermission('To know who you are', permission);
}
function sayName (app) {
if (app.isPermissionGranted()) {
app.tell('Your name is ' + app.getUserName().displayName));
} else {
// Response shows that user did not grant permission
app.tell('Sorry, I could not get your name.');
}
}
const actionMap = new Map();
actionMap.set(REQUEST_PERMISSION_ACTION, requestPermission);
actionMap.set(SAY_NAME_ACTION, sayName);
app.handleRequest(actionMap);