Risultati dell'individuazione di parole chiave

Il servizio restituisce i risultati in un campo keywords_result che è un elemento dell'array results. Il campo keywords_result è un dizionario, o un array associativo, di proprietà enumerabili. Ciascuna proprietà è identificata da una specifica parola chiave e include un array di oggetti. Il servizio restituisce un elemento dell'array per ciascuna corrispondenza che trova per la parola chiave. L'oggetto per ogni corrispondenza comprende i seguenti campi:

• normalized_text è la parola chiave specificata che viene normalizzata alla frase pronunciata che corrispondeva nell'audio di input.
• start_time è il tempo di inizio, in secondi, della corrispondenza.
• end_time è il tempo di fine, in secondi, della corrispondenza.
• confidence è l'attendibilità del servizio che la corrispondenza rappresenti la parola chiave specificata. L'attendibilità deve essere almeno grande quanto la soglia specificata per essere inclusa nei risultati.

Una parola chiave per cui il servizio non trova alcuna corrispondenza viene omessa dall'array. Una parola chiave potrebbe non essere trovata se

• L'audio semplicemente non include la parola chiave. L'assenza della parola chiave è la spiegazione più ovvia.

• La soglia è impostata troppo alta. Il servizio potrebbe identificare la parola chiave ma con un livello più basso di attendibilità, nel qual caso omette la corrispondenza dai risultati.

• Una stringa di parole chiave che contiene più token (ad esempio, Speech to Text) viene espressa con troppo silenzio tra i suoi token. Quando il servizio trascrive l'audio, ritaglia il flusso in una serie di blocchi. Ogni blocco rappresenta una porzione continua di audio che non ha un intervallo di silenzio che supera il mezzo secondo. Crea un array di oggetti di risultato che è formato da questi blocchi.

  Il servizio mette in corrispondenza una parola chiave multi-token solo se

  • I token della parola chiave sono nello stesso blocco.
  • I token sono adiacenti o separati da uno scarto di non più di 0,1 secondi.

  In quest'ultimo caso, tra due token della parola chiave può esserci un breve riempitivo o un'espressione non lessicale, come "uhm" o "beh". In questo caso, i modelli della generazione precedente possono inserire un indicatore di esitazione in questa posizione della trascrizione. I modelli di nuova generazione includono l'effettiva esitazione nei risultati della trascrizione. Per ulteriori informazioni, vedere Esitazioni nel parlato e marcatori di esitazione.

Esempio di individuazione di parole chiave

La seguente richiesta di esempio imposta il parametro " keywords " su una matrice codificata in " URL " di tre stringhe (colorado, tornado e tornadoes) e il parametro " keywords_threshold " su " 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"

Il servizio trova occorrenze qualificanti di colorado e 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
    }
  ]
}

Risultati delle alternative alle parole

Il servizio restituisce i risultati in un campo word_alternatives che è un elemento dell'array results. Il campo word_alternatives è un array di oggetti, ciascuno dei quali fornisce i seguenti campi per una parola alternativa:

• start_time indica il tempo, in secondi, a cui inizia nell'audio di input la parola per cui vengono restituite le ipotesi.
• end_time indica il tempo, in secondi, a cui finisce nell'audio di input la parola per cui vengono restituite le ipotesi.
• alternatives è un array di oggetti di ipotesi. Ciascun oggetto include un'attendibilità (confidence) che indica il punteggio di attendibilità del servizio per l'ipotesi e una parola (word) che identifica l'ipotesi. L'attendibilità deve essere almeno grande quanto la soglia specificata per essere inclusa nei risultati. Il servizio ordina le alternative in base all'attendibilità.

Esempio di alternative alle parole

La seguente richiesta di esempio specifica un valore word_alternatives_threshold piuttosto basso di 0.10. Il semplice audio di input include parole con omonimi comuni e diverse possibili interpretazioni acustiche.

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"

A causa del basso valore di soglia, il servizio restituisce più ipotesi e punteggi di attendibilità per alcune delle parole, insieme ai tempi di inizio e fine di tutte le parole. La trascrizione finale riconosce correttamente l'audio di input.

{
   "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
                  }
               ]
            }
         ]
      }
   ]
}