Création d'un modèle de langue personnalisé

Pour utiliser une grammaire avec la reconnaissance vocale, vous devez l'ajouter à un modèle de langue personnalisé. Vous pouvez utiliser un modèle de langue personnalisé existant ou créer un modèle de personnalisé en utilisant la méthode POST /v1/customizations. Pour plus d'informations sur la création d'un modèle personnalisé, voir Création d'un modèle de langue personnalisé.

Un modèle de langue personnalisé peut contenir des corpus et des mots personnalisés, ainsi que des grammaires. Lors de la reconnaissance vocale, vous pouvez utiliser le modèle personnalisé avec ou sans grammaires. Cependant, lorsque vous utilisez une grammaire, le service reconnaît uniquement les mots issus de la grammaire spécifiée.

Ajout d'une grammaire au modèle de langue personnalisé

Vous utilisez la méthode POST /v1/customizations/{customization_id}/grammars/{grammar_name} pour ajouter un fichier de grammaire à un modèle personnalisé.

customization_id (chaîneobligatoire)

Indiquez l'ID de personnalisation du modèle personnalisé auquel la grammaire doit être ajoutée.

grammar_name (chaîneobligatoire)

Spécifiez un nom pour la grammaire. Utilisez un nom localisé qui correspond à la langue du modèle personnalisé et qui reflète le contenu de la grammaire.

• Indiquez un nom ne dépassant pas 128 caractères.
• N'utilisez pas de caractères devant être codés dans l'URL. Par exemple, n'utilisez pas les caractères suivants dans le nom : espaces, barres obliques, barres obliques inversées, signes deux-points, perluètes, guillemets, signes plus, signes égal, points d'interrogation, etc. (Le service n'empêche pas l'utilisation de ces caractères. Toutefois, comme ils doivent être codés dans l'URL lorsqu'ils sont utilisés, leur utilisation est fortement déconseillée.)
• N'utilisez pas le nom d'une grammaire ou d'un corpus ayant déjà été ajouté au modèle personnalisé.
• N'utilisez pas le nom user, qui est réservé par le service pour désigner des mots personnalisés ajoutés ou modifiés par l'utilisateur.
• N'utilisez pas le nom base_lm ou default_lm. Ces deux noms sont réservés pour une utilisation ultérieure par le service.

Content-Type (chaîneobligatoire)

Utilisez l'en-tête de la requête pour spécifier le format de la grammaire :

• application/srgs pour une grammaire au format ABNF
• application/srgs+xml pour une grammaire au format XML

Passe le fichier texte de grammaire en tant que corps de la requête. L'exemple suivant ajoute le fichier de grammaire nommé confirm.abnf au modèle personnalisé avec l'ID spécifié. Dans l'exemple, le nom de la grammaire est confirm-abnf.

IBM Cloud

curl -X POST -u "apikey:{apikey}" \
--header "Content-Type: application/srgs" \
--data-binary @confirm.abnf \
"{url}/v1/customizations/{customization_id}/grammars/confirm-abnf"

IBM Cloud Pak for Data IBM Software Hub

curl -X POST \
--header "Authorization: Bearer {token}" \
--header "Content-Type: application/srgs" \
--data-binary @confirm.abnf \
"{url}/v1/customizations/{customization_id}/grammars/confirm-abnf"

La méthode accepte également le paramètre de requête facultatif allow_overwrite que vous pouvez inclure pour remplacer une grammaire existante du même nom. Utilisez ce paramètre si vous devez mettre à jour une grammaire après l'avoir ajoutée à un modèle.

Cette méthode est asynchrone. Le service peut prendre quelques minutes pour analyser la grammaire, en fonction de la taille de la grammaire et de la charge en cours sur le service. Pour plus d'informations sur la vérification du statut d'une grammaire, voir Surveillance de la demande d'ajout d'une grammaire.

Vous pouvez ajouter n'importe quel nombre de grammaires à un modèle personnalisé en appelant la méthode une fois pour chaque fichier de grammaire. L'ajout d'une grammaire doit être complètement terminé avant d'en ajouter une autre.

curl -X GET -u "apikey:{apikey}" \
"{url}/v1/customizations/{customization_id}/grammars/confirm-abnf"

curl -X GET \
--header "Authorization: Bearer {token}" \
"{url}/v1/customizations/{customization_id}/grammars/confirm-abnf"

{
  "name": "confirm-abnf",
  "out_of_vocabulary_words": 0,
  "status": "being_processed"
}

{
  . . .
  "error": "{\"code\":500, \"code_description\":\"Internal Server Error\",
\". . . Cannot compile grammar . . .\"},
  . . .
}

Validation des mots de la grammaire

Lorsque vous ajoutez un fichier de grammaire à un modèle de langue personnalisé, le service analyse la grammaire pour déterminer si elle reconnaît des mots qui ne font pas déjà partie du vocabulaire de base du service. Ces mots sont désignés par OOV (Out-Of-Vocabulary). Le service ajoute les mots OOV à la ressource de mots du modèle personnalisé. Le but de la ressource de mots consiste à définir des mots que ne sont pas déjà présents dans le vocabulaire du service.

Des définitions dans la ressource de mots indiquent au service comment transcrire les mots OOV. Ces informations comprennent une zone sounds_like indiquant au service comment se prononce le mot, une zone display_as indiquant au service comment afficher le mot et une zone source indiquant comment le mot a été ajouté au modèle personnalisé. Pour plus d'informations sur la ressource de mots et les mots OOV, voir Ressource de mots.

Après avoir ajouté une grammaire à un modèle personnalisé, il est recommandé d'examiner les mots OOV dans la ressource de mots du modèle pour vérifier leur prononciation possible. Toutes les grammaires ne comportent pas forcément de mots OOV, mais en principe, il est bon de vérifier la ressource de mots. Pour vérifier les mots du modèle personnalisé après avoir ajouté une grammaire, utilisez les méthodes suivantes :

• Utilisez la méthode GET /v1/customizations/{customization_id}/words pour répertorier tous les mots d'un modèle personnalisé. Transmettez la valeur grammars avec le paramètre word_type de la méthode pour répertorier uniquement les mots ajoutés à partir de grammaires.
• Utilisez la méthode GET /v1/customizations/{customization_id}/words/{word_name} pour afficher un mot individuel d'un modèle.

Vérifiez que les prononciations possibles des mots sont exactes et correctes. Recherchez les erreurs typographiques et d'autres erreurs dans les mots eux-mêmes. Pour plus d'informations sur la validation et la correction des mots dans un modèle personnalisé, voir Validation d'une ressource de mots pour les modèles de génération antérieure.

Entraînement du modèle de langue personnalisé

La dernière étape avant de pouvoir utiliser une grammaire avec un modèle de langue personnalisé consiste à entraîner le modèle. Vous utilisez le même processus que pour l'entraînement d'un modèle personnalisé sur de nouveaux corpus ou de nouveaux mots personnalisés. L'entraînement du modèle compile la grammaire pour l'utiliser dans le cadre d'une reconnaissance vocale. Le service convertit la grammaire du format texte d'origine au format binaire utilisé pour la reconnaissance vocale. Vous ne pouvez pas utiliser la grammaire tant que vous n'avez pas entraîné le modèle.

Pour entraîner un modèle personnalisé, vous utilisez la méthode POST /v1/customizations/{customization_id}/train. Vous transmettez à la méthode, l'ID de personnalisation (customization_id) du modèle que vous voulez entraîner, comme illustré dans l'exemple suivant.

IBM Cloud

curl -X POST -u "apikey:{apikey}" \
"{url}/v1/customizations/{customization_id}/train"

IBM Cloud Pak for Data IBM Software Hub

curl -X POST \
--header "Authorization: Bearer {token}" \
"{url}/v1/customizations/{customization_id}/train"

La méthode d'entraînement est asynchrone. L'entraînement dure en principe quelques secondes ou quelques minutes. Mais il peut prendre plus de temps selon la taille et la complexité de la grammaire et en fonction de la charge en cours sur le service. Pour plus d'informations sur la vérification du statut d'une opération d'entraînement, voir Surveillance de la demande d'entraînement.

{
  "customization_id": "74f4807e-b5ff-4866-824e-6bba1a84fe96",
  "created": "2018-06-01T18:42:25.324Z",
  "language": "en-US",
  "dialect": "en-US",
  "owner": "297cfd08-330a-22ba-93ce-1a73f454dd98",
  "name": "Example model",
  "description": "Example custom language model",
  "base_model_name": "en-US_BroadbandModel",
  "status": "training",
  "progress": 0
}