我可以在上看到Google上的操作确实支持SSML,但是我在我的代理中遇到了问题。
我正在使用带有PHP的DialogFlow。
为了测试它,我的webhook通过'speech‘参数提供了以下响应:
<speak>First sentence. <break time="1s"/> Second sentence. <prosody pitch="+5st">and now high pitched</prosody></speak>
通过谷歌助手在我的三星S8上测试,它是以男性声音读取的(这
我的目标是使用一个语音到文本模型来处理几个视频。
令人困惑的是,谷歌有两款产品似乎都在做同样的事情。
这些产品的主要区别是什么?
Google语音到文本:
- Speech-to-Text has an "enhanced video" model for interpreting the audio.
谷歌视频智能:
- VI has the option to request a `SPEECH_TRANSCRIPTION` feature
我想知道从哪里可以开始语音识别。不是使用库或任何相当“黑盒”的东西,而是我想知道在哪里可以真正创建一个简单的语音识别脚本。我做了一些搜索,发现并不多,但我看到的是,有‘声音’或音节的字典,可以拼凑成文本。所以基本上我的问题是我可以从哪里开始呢?
此外,由于这有点乐观,我也可以(目前)在我的程序中使用一个库。我看到一些speech to text库和API只输出一个结果。这是可以的,但它将是不现实的。我当前的程序已经检查了输入的任何文本的语法和所有内容,因此,如果我有语音转文本软件的前十个结果,那么它可以检查每个结果,并排除任何没有意义的结果。