El campo alternatives

El campo alternatives contiene una matriz de resultados de la transcripción. Para esta solicitud, la matriz incluye sólo un elemento.

• El campo transcript proporciona los resultados de la transcripción.
• El campo confidence es una puntuación que indica la confianza del servicio en la transcripción, que para este ejemplo supera el 90 por ciento.

Los campos final y result_index califican el significado de estos campos.

Los cambios internos y las mejoras en el servicio pueden afectar a las transcripciones y a las puntuaciones de confianza. Por ejemplo, el reconocimiento de voz puede mejorarse para devolver resultados de transcripción más precisos. De forma similar, las puntuaciones de confianza de transcripción y palabra pueden cambiar ligeramente como resultado de un reconocimiento de voz mejorado. Se espera que tales cambios sean modestos, pero no esperan que las transcripciones y los puntajes de confianza permanezcan sin cambios con el tiempo.

El campo final

El campo final indica si la transcripción muestra los resultados finales de la transcripción:

• El campo tiene el valor true si se trata de resultados finales; se garantiza que no cambiarán. El servicio no envía más actualizaciones para los resultados finales.
• El campo tiene el valor false para los resultados provisionales, que están sujetos a cambios. Si utiliza el parámetro interim_results con la interfaz WebSocket, el servicio devuelve hipótesis en evolución en forma de varios campos de results a medida que transcribe el audio. Para obtener resultados provisionales, el campo final siempre es false y el campo confidence siempre se omite.

Para obtener más información sobre el uso de la interfaz WebSocket para obtener resultados provisionales con modelos de voz de gran tamaño, modelos anteriores y de nueva generación, consulte los siguientes temas:

• Resultados provisionales
• Cómo envía el servicio los resultados de reconocimiento

El campo result_index

El campo result_index proporciona un identificador de los resultados que es exclusivo para dicha solicitud. Si solicita resultados provisionales, el servicio envía varios campos results correspondientes a hipótesis progresivas del audio de entrada. Los índices de los resultados provisionales correspondientes al mismo audio siempre tienen el mismo valor, así como los resultados finales del mismo audio.

El mismo índice también se puede utilizar para varios resultados finales de una sola solicitud. Independientemente de si solicita resultados provisionales, el servicio puede devolver varios resultados finales con el mismo índice si el audio incluye pausas o periodos prolongados de silencio. Para obtener más información, consulte Pausas y silencio.

Una vez que recibe resultados finales de un audio, el servicio no envía ningún otro resultado con ese índice para el resto de la solicitud. El índice correspondiente cualquier resultado posterior se incrementa en uno.

Si el audio genera varios resultados finales, concatene los elementos transcript de los resultados finales para ensamblar la transcripción completa del audio. Ensamble los resultados en el orden en el que los recibe. Al ensamblar una transcripción final completa, puede ignorar los resultados provisionales para los que el campo final es false.

Contenido de respuesta adicional

Muchos parámetros de reconocimiento de voz afectan al contenido de la respuesta del servicio. Algunos parámetros pueden hacer que el servicio devuelva varios resultados de transcripción:

• end_of_phrase_silence_time
• interim_results
• split_transcript_at_phrase_end

Algunos parámetros pueden modificar el contenido de una transcripción:

• profanity_filter
• redaction
• smart_formatting

Otros parámetros pueden añadir más información a los resultados:

• audio_metrics
• keywords y keywords_threshold
• max_alternatives
• processing_metrics y processing_metrics_interval
• speaker_labels
• timestamps
• word_alternatives_threshold
• word_confidence

Para obtener más información sobre los parámetros disponibles, consulte Utilizar parámetros de reconocimiento de voz y Resumen de parámetros.

Vacilaciones para modelos de generación anterior

Para los modelos de generación anterior, el servicio incluye marcadores de duda en los resultados de transcripción para la mayoría de los idiomas. Las distintas lenguas pueden utilizar diferentes marcadores de vacilación o no indicar vacilación alguna:

• Para el inglés de Estados Unidos, los marcadores de duda se indican mediante la señal %HESITATION. Las palabras que generan marcadores de duda son aah, ah, hm, hmm, huh, huh-uh, hum, ohh, ugh, uh, uh-huh, uh-oh, uh-uh, um y um-hum.
• Para el japonés, los marcadores de duda suelen empezar con D_.
• Para el español, el servicio no produce marcadores de duda.

El ejemplo siguiente muestra la señal %HESITATION para una transcripción en inglés de EE.UU.:

{
  "result_index": 0,
  "results": [
    {
      "alternatives": [
        {
          "confidence": 0.99,
          "transcript": ". . . that %HESITATION that's a . . ."
        }
      ],
      "final": true
    }
  ]
}

Los marcadores de duda pueden aparecer tanto en resultados provisionales como finales. La habilitación del formato inteligente evita que aparezcan marcadores de duda en los resultados finales para el inglés de EE.UU. Para obtener más información, consulte Formateo inteligente.

Los marcadores de duda también pueden aparecer en otros campos de una transcripción. Por ejemplo, si solicita indicaciones de fecha y hora de palabras para las palabras individuales de una transcripción, el servicio muestra la hora de inicio y de finalización de cada marcador de duda.

{
  "result_index": 0,
  "results": [
    {
      "alternatives": [
        {
          "timestamps": [
            . . .
            [
              "that",
              7.31,
              7.69
            ],
            [
              "%HESITATION",
              7.69,
              7.98
            ],
            [
              "that's",
              7.98,
              8.41
            ],
            [
              "a",
              8.41,
              8.48
            ],
            . . .
          ],
          "confidence": 0.99,
          "transcript": ". . . that %HESITATION that's a . . ."
        }
      ],
      "final": true
    }
  ]
}

A menos que tenga que usarlos para su aplicación, puede filtrar los marcadores de duda de forma segura de una transcripción.

Vacilaciones para modelos de próxima generación

Para los modelos de próxima generación, el servicio incluye las palabras de vacilación reales en todos los resultados de la transcripción. Los modelos de próxima generación tratan las vacilaciones como palabras, por lo que las vacilaciones pueden aparecer en los resultados provisionales, los resultados finales y otros campos como, por ejemplo, los resultados de las indicaciones de fecha y hora de las palabras. Los modelos de próxima generación no generan marcadores de duda, y la habilitación del formato inteligente no hace que se eliminen las vacilaciones de los resultados finales. Diferentes idiomas pueden identificar diferentes palabras de duda:

• Para el inglés de Estados Unidos, las palabras de duda comunes de, al igual que para los modelos de generación anterior, son aah, ah, hm, hmm, huh, huh-uh, hum, ohh, ugh, uh, uh-huh, uh-oh, uh-uh, um y um-hum. No todas estas palabras de duda pueden aparecer en las transcripciones.
• Para el japonés, las palabras de duda de normalmente constan de caracteres de media anchura como ｱ, ｱﾉｰ, ｳｰﾝ, ｴｰﾄ, ﾏ, ﾃ, ﾏy ﾝｰﾄ. Algunas vacilaciones pueden ser reconocidas como caracteres de ancho completo.

Para aumentar la probabilidad de ver vacilaciones en la respuesta, puede utilizar un modelo de lenguaje personalizado. En el modelo personalizado, añada corpus que incluyan las vacilaciones o cree palabras personalizadas cuyos sonidos-me gusta capturar la forma en que los usuarios dicen las disfluencias. Para obtener más información sobre los modelos de lenguaje personalizado, consulte Creación de un modelo de lenguaje personalizado.

El siguiente ejemplo muestra la vacilación "uhm" en una transcripción del inglés estadounidense:

{
  "result_index": 0,
  "results": [
    {
      "alternatives": [
        {
          "confidence": 0.99,
          "transcript": ". . . that uhm that's a . . ."
        }
      ],
      "final": true
    }
  ]
}