Résultats de la détection de mots clés

Le service renvoie les résultats dans une zone keywords_result correspondant à un élément du tableau results. La zone keywords_result correspond à un dictionnaire ou un tableau associatif, de propriétés dénombrables. Chaque propriété est identifiée par un mot clé indiqué et comprend un tableau d'objets. Le service renvoie un élément du tableau pour chaque occurrence du mot clé qu'il a détectée. L'objet de chaque occurrence comprend les zones suivantes :

• normalized_text est le mot clé normalisé dans l'expression parlée concordante dans l'entrée audio.
• start_time est le début en secondes de l'occurrence.
• end_time est la fin en secondes de l'occurrence.
• confidence est le niveau de confiance du service pour que l'occurrence représente le mot clé spécifié. Cette cote doit être au moins équivalente au seuil indiqué pour figurer dans les résultats.

Un mot clé dont le service ne détecte aucune occurrence est omis dans le tableau. Il est possible de ne pas détecter un mot clé dans les cas suivants :

• Le mot clé ne figure tout simplement pas dans l'audio. L'absence du mot clé est l'explication la plus plausible.

• La valeur du seuil est trop élevée. Le service peut identifier le mot clé mais à un niveau de confiance moins élevé, auquel cas il omet l'occurrence dans les résultats.

• Une chaîne de mots clés contenant plusieurs sèmes (par exemple, Speech to Text) est prononcée avec trop de moments de silence entre les différents sèmes qui la composent. Lorsque le service transcrit l'audio, il découpe le flux en une série de blocs. Chaque bloc représente un segment audio continu sans intervalle de silence dépassant une demi-seconde. Il construit un tableau des objets de résultat constitué de ces blocs.

  Le service fait correspondre un mot clé à plusieurs sèmes uniquement si

  • Les sèmes du mot clé figurent dans le même bloc.
  • Les sèmes sont adjacents ou séparés par un écart inférieur ou égal à 0,1 seconde.

  Dans ce dernier cas, un bref élément de remplissage ou un énoncé non lexical, tel que « euh » ou « eh bien », peut se trouver entre deux jetons du mot clé. Dans ce cas, les modèles de génération antérieure peuvent insérer un marqueur d'hésitation à cette position de la transcription. Les modèles de nouvelle génération intègrent l'hésitation réelle dans les résultats de transcription. Pour plus d'informations, voir les marqueurs d'hésitation et d'hésitation de la parole.

Exemple de détection de mots clés

L'exemple de requête suivant définit le paramètre keywords sur un tableau codé en URL de trois chaînes (colorado, tornado et tornadoes) et le paramètre keywords_threshold sur 0.5 :

IBM Cloud

curl -X POST -u "apikey:{apikey}" \
--header "Content-Type: audio/flac" \
--data-binary @{path}audio-file.flac \
"{url}/v1/recognize?keywords=colorado%2Ctornado%2Ctornadoes&keywords_threshold=0.5"

IBM Cloud Pak for Data IBM Software Hub

curl -X POST \
--header "Authorization: Bearer {token}" \
--header "Content-Type: audio/flac" \
--data-binary @{path}audio-file.flac \
"{url}/v1/recognize?keywords=colorado%2Ctornado%2Ctornadoes&keywords_threshold=0.5"

Le service recherche les occurrences de colorado et tornadoes :

{
  "result_index": 0,
  "results": [
    {
      "keywords_result": {
        "colorado": [
          {
            "normalized_text": "Colorado",
            "start_time": 4.94,
            "confidence": 0.91,
            "end_time": 5.62
          }
        ],
        "tornadoes": [
          {
            "normalized_text": "tornadoes",
            "start_time": 1.52,
            "confidence": 1.0,
            "end_time": 2.15
          }
        ]
      },
      "alternatives": [
        {
          "confidence": 0.96,
          "transcript": "several tornadoes touch down as a line of
severe thunderstorms swept through Colorado on Sunday "
        }
      ],
      "final": true
    }
  ]
}

Résultats des autres propositions de mots

Le service renvoie les résultats dans une zone word_alternatives correspondant à un élément du tableau results. La zone word_alternatives est un tableau d'objets, dont chaque objet fournit les zones suivantes pour une autre proposition de mot :

• start_time indique le début en secondes d'un mot pour lequel des hypothèses sont renvoyées dans l'entrée audio.
• end_time indique la fin en secondes d'un mot pour lequel des hypothèses sont renvoyées dans l'entrée audio.
• alternatives est un tableau d'objets d'hypothèse. Chaque objet comprend une zone confidence qui indique la cote de confiance de l'hypothèse du service et une zone word qui identifie l'hypothèse. Cette cote doit être au moins équivalente au seuil indiqué pour figurer dans les résultats. Le service classe les propositions par confiance.

Exemple d'autres propositions de mots

L'exemple de demande suivant indique un seuil word_alternatives_threshold assez bas correspondant à 0.10. L'entrée audio simple comprend des mots avec des homonymes communs et différentes interprétations acoustiques possibles.

IBM Cloud

curl -X POST -u "apikey:{apikey}" \
--header "Content-Type: audio/wav" \
--data-binary @{path}audio-file.wav \
"{url}/v1/recognize?word_alternatives_threshold=0.10"

IBM Cloud Pak for Data IBM Software Hub

curl -X POST \
--header "Authorization: Bearer {token}" \
--header "Content-Type: audio/wav" \
--data-binary @{path}audio-file.wav \
"{url}/v1/recognize?word_alternatives_threshold=0.10"

En raison du seuil bas, le service renvoie plusieurs hypothèses et cotes de confiance pour certains mots, ainsi que le début et la fin de tous les mots. La retranscription finale reconnaît correctement l'entrée audio.

{
   "result_index": 0,
   "results": [
      {
         "final": true,
         "alternatives": [
            {
               "transcript": "yes I ate that tuna ",
               "confidence": 0.82
            }
         ],
         "word_alternatives": [
            {
               "start_time": 0.0,
               "end_time": 0.31,
               "alternatives": [
                  {
                     "word": "yes",
                     "confidence": 1.0
                  }
               ]
            },
            {
               "start_time": 0.31,
               "end_time": 0.46,
               "alternatives": [
                  {
                     "word": "I",
                     "confidence": 1.0
                  }
               ]
            },
            {
               "start_time": 0.46,
               "end_time": 0.63,
               "alternatives": [
                  {
                     "word": "ate",
                     "confidence": 0.89
                  },
                  {
                     "word": "eat",
                     "confidence": 0.11
                  }
               ]
            },
            {
               "start_time": 0.63,
               "end_time": 0.77,
               "alternatives": [
                  {
                     "word": "that",
                     "confidence": 0.72
                  },
                  {
                     "word": "the",
                     "confidence": 0.27
                  }
               ]
            },
            {
               "start_time": 0.77,
               "end_time": 1.2,
               "alternatives": [
                  {
                     "word": "tuna",
                     "confidence": 0.94
                  }
               ]
            }
         ]
      }
   ]
}