Google Speech API可以配置为仅返回数字/字母吗？

Question

Google Speech API是否可以配置为仅返回数字和字母，而不是完整的字词？

该用例正在翻译加拿大邮政编码。防爆。 M 1 B 0 R 3.谷歌可能会返回“Em 1 Be 0 Are 3”

我们尝试过：

• 使用speechContexts并输入字母A - Z作为单独的短语。这提高了我们的准确性。我们没有太多成功传递个人数字（例如，1,2,3）。
• 使用encoding和sampleRateHertz配置选项指定WAV文件的编解码器和采样率。我们认为这样做没有任何改进，因为我们认为Google已经在自动识别采样率和编码方面做得很好。

我们的音频文件是8000hz，编码为“M-ULAW”。我们无法灵活地更改采样率或编码。

有没有办法让Google针对此用例获得更准确的回复？甚至欢迎更好的speechContexts短语的想法。

谢谢

Answer 1

我们遇到了相同的结果，我们希望有一个基于语法的“上下文”建议或一个只强制数字返回变量的参数。

api版本的更改不会修复数字的识别方式，甚至不使用model：phone_call。

识别某种数字实际上更好的是切换到en_US语言环境，这又强制识别引擎将数字列表识别为电话。因此它使用+ XXX-XXX-XXX-XXXX以类似手机的语法返回，这使得检测非常好。

所以我不明白为什么谷歌幕后的语法匹配并没有通过他们的api提供它。