c# - 谷歌语音到文本使用相同的函数调用获得不准确的结果

Question

我希望在这里得到一些帮助。我构建了一个程序，该程序使用 Google Speech-to-Text 将带有语音数字的 wav 文件转换为文本。当我将这些上传到谷歌语音测试站点时，我得到了正确的结果，但是当我在自己的应用程序中使用相同的函数调用时，一些数字被吞掉了。例如，口语数字 1114343 在谷歌自己的网站上运行良好，但我的脚本会给我 14343 例如。这种不稳定的行为并不一致（顺便说一句，语音质量非常好），当我们不能依赖它时，它几乎破坏了我的程序。

我花了一些时间调试并使用五个替代结果，有时我会得到正确的结果，所以我选择了最长的。这也不起作用，因为它会使用书写数字“zwei”（二）的结果当然比“2”长。我也纠正了语音上下文，但结果完全没有区别。

有没有人遇到过这个问题并寻求帮助？从谷歌网站通过检查他们的函数 json 表示我正在使用完全相同的调用但结果不同。请注意，我在这两种情况下都使用德语。在此先感谢，这个错误让我发疯。

GoogleCredential googleCredential;
using (Stream m = new FileStream(keyPath, FileMode.Open))
    googleCredential = GoogleCredential.FromStream(m);
var channel = new Grpc.Core.Channel(SpeechClient.DefaultEndpoint.Host,
    googleCredential.ToChannelCredentials());
var speech = SpeechClient.Create(channel);
var ergebnis = "";
var response = speech.Recognize(new RecognitionConfig()
{
    Encoding = RecognitionConfig.Types.AudioEncoding.Linear16,
    EnableAutomaticPunctuation = false,
    Model = "default",
    LanguageCode = "de-DE",
    MaxAlternatives = 5,
    SpeechContexts = { new SpeechContext { Phrases = {  "1", "2", "3", "4", "5", "6", "7", "8", "9", "0","11","12","13","14","15","16","17","18","19","20", "eins", "zwei", "drei", "vier", "fünf", "sechs", "sieben", "acht", "neun", "null","zehn","elf","zwölf","dreizehn","vierzehn","fünfzehn","sechzehn","siebzehn","achtzehn","neunzehn","zwanzig" } } }
}, RecognitionAudio.FromBytes(audioStream));
var wahrscheinlichstesErgebnis = "";

foreach(var result in response.Results)
{
    foreach (var alternative in result.Alternatives)
    {
        Console.WriteLine(alternative.Transcript);
    }

    if (isnumberfield)
    {

        wahrscheinlichstesErgebnis = wahrscheinlichstesErgebnis + " " + result.Alternatives.OrderByDescending(x => Regex.Replace(x.Transcript, @"\D", "").Length).First().Transcript;
    }
    else
    {
        wahrscheinlichstesErgebnis = wahrscheinlichstesErgebnis + " " + result.Alternatives.OrderByDescending(x => x.Transcript.Length).First().Transcript;
    }
}

标签： c#speech-to-textgoogle-cloud-speech