6

我开始使用谷歌语音 api 来转录音频。

正在转录的音频包含一个接一个地说出的许多数字。

例如 273 298

但转录回来了 270-3298

我的猜测是它将其解释为某种电话号码。

我想要的是未解析的输出，例如“二七十三二九十八”，我可以自己处理和解析。

有这种东西的设置或支持吗？

谢谢

4

4 回答 4

5

所以我遇到了同样的问题，我认为我们找到了解决方案。如果您使用英语作为输入，请在处理数字时切换到 en-PH。然后，Google 将不会将结果格式化为美国电话号码，也不会尝试在其中插入一个额外的数字。

于 2018-08-09T01:04:59.227 回答
2

尝试通过一些短语提示传递语音上下文。此处记录了如何使用它：https ://cloud.google.com/speech/docs/basics#phrase-hints

给它你想要识别的拼写数字。

"speech_context": {
  "phrases":["zero", "one", "two", ... "nine", "ten", "eleven", ... "twenty", "thirty,..., "ninety"]
 }

这不能保证有效，但它可能会有所帮助。

于 2017-02-11T05:30:49.743 回答
1

作为记录，我在上面尝试了 bambert 的解决方案，但不幸的是，它不起作用。我最近发布了另一个问题，看看是否有人找到了解决这种行为的方法，因为它阻止了我实施我计划的转录服务。

于 2018-05-14T15:35:20.693 回答
0

您是否尝试过 Google Speech customClass？

您有一些可以使用的类令牌，告诉 API 您需要的不是电话号码，而是不同类型的号码。

例如，如果您选择使用 OOV_CLASS_AM_RADIO_FREQUENCY，您将指示 API 以如下方式解释数字：

  • “十二点二十” --> 1220
  • “七百三十” --> 730

可能（还没有读过这个）API默认使用这个类FULLPHONENUM作为数字：

  • “一八百五五五四哦哦一”--> +1-800-555-4001
  • “七一八五五五六一哦一”--> 718-555-6101
于 2021-04-19T06:43:44.843 回答