API распознавания речи Google: возвращает нулевой результат - PullRequest
Новая
       46

API распознавания речи Google: возвращает нулевой результат

0 голосов
/ 13 февраля 2019

Я использую API распознавания речи Google.Когда я пытаюсь распознать относительно короткие слова (например, «да» или «нет») длительностью от 0,25 до 0,5 секунды, Google API часто возвращает NULL.Я пробовал другие форматы входных данных и решение, опубликованное здесь (16-битная PCM, монофонический аудиофайл), но это не улучшило отклик.В то же время распознавание других более длинных данных работало корректно.

Я попытался искусственно увеличить продолжительность звука, добавив тишину до и после слова, чтобы звук не короче 5 секунд.Количество нераспознанных примеров уменьшилось в 4 раза, но мне кажется, что количество нераспознанных образцов все еще можно уменьшить.

В чем может быть специфика работы Google по распознаванию речи по коротким словам?

Мой код: 

credentials = service_account.Credentials.from_service_account_file(‘credentials’)

client = speech.SpeechClient(credentials=credentials)

# Loads the audio into memory
with io.open(nn, 'rb') as audio_file:
    content = audio_file.read()
    audio = types.RecognitionAudio(content=content)

config = types.RecognitionConfig(
    encoding='FLAC',
    language_code='ru-RU',
    sample_rate_hertz=16000,
    max_alternatives=maxAlternatives)

# Detects speech in the audio file
response = client.recognize(config, audio)

Спасибо.

...