alternatives 필드

alternatives 필드는 텍스트 변환 결과의 배열을 제공합니다. 이 요청의 경우 배열은 하나의 요소만을 포함합니다.

• transcript 필드는 텍스트 변환 결과를 제공합니다.
• confidence 필드는 변환 내용에 대한 서비스의 신뢰도를 나타내는 점수로, 이 예의 경우에는 90%를 초과합니다.

final 및 result_index 필드는 이러한 필드의 의미를 규정합니다.

서비스에 대한 내부 변경사항 및 개선사항은 음성 내용 및 신뢰도 점수에 영향을 줄 수 있습니다. 예를 들어, 음성 인식은 보다 정확한 전사 결과를 반환하도록 개선될 수 있다. 마찬가지로, 음성 내용 및 단어 신뢰도 점수는 향상된 음성 인식의 결과로 약간 변경될 수 있습니다. 이러한 변경은 적당할 것으로 예상되지만, 시간이 경과함에 따라 대화 내용 및 신뢰도 점수가 변경되지 않을 것으로 예상되지 않습니다.

final 필드

final 필드는 음성 내용이 최종 텍스트 변환 결과를 표시하는지 여부를 나타냅니다.

• 변경되지 않도록 보장되는 최종 결과의 경우에는 이 필드가 true입니다. 서비스는 최종 결과에 대해 추가 업데이트를 전송하지 않습니다.
• 변경될 수 있는 중간 결과의 경우에는 이 필드가 false입니다. interim_results 매개변수를 WebSocket 인터페이스와 함께 사용하고 있는 경우, 서비스는 오디오를 변환하면서 여러 results 필드의 형태로 된, 발전하는 가설을 리턴합니다. 중간 결과의 경우 final 필드는 항상 false이며 confidence 필드는 항상 생략됩니다.

WebSocket 인터페이스를 사용하여 대규모 음성 모델, 이전 및 차세대 모델로 중간 결과를 얻는 방법에 대한 자세한 내용은 다음 항목을 참조하세요:

• 중간 결과
• 서비스의 인식 결과 전송 방식

result_index 필드

result_index 필드는 해당 요청에 대해 고유한 결과의 ID를 제공합니다. 중간 결과를 요청하는 경우 이 서비스는 입력 오디오의 진화하는 가설에 대해 여러 results 필드를 전송합니다. 동일한 오디오에 대한 최종 결과와 마찬가지로 동일한 오디오에 대한 중간 결과의 인덱스 값은 항상 동일합니다.

동일한 인덱스를 한 요청의 여러 최종 결과에 대해 사용할 수도 있습니다. 오디오가 휴지 또는 긴 침묵 시간을 포함하는 경우에는 서비스가 중간 결과의 요청 여부에 관계없이 동일한 인덱스를 사용하여 여러 최종 결과를 리턴할 수 있습니다. 자세한 정보는 일시정지 및 무음을 참조하십시오.

오디오에 대한 최종 결과를 수신한 후에는 이 서비스가 해당 인덱스를 사용하여 나머지 요청에 대한 추가 결과를 전송하지 않습니다. 추가 결과에 대한 인덱스는 1씩 증가합니다.

오디오가 여러 최종 결과를 생성하는 경우 최종 결과의 transcript 요소를 병합하여 오디오의 전체 텍스트 변환을 어셈블하십시오. 결과를 수신하는 순서대로 조합하십시오. 전체 최종 변환 내용을 조합하는 경우에는 final 필드가 false인 중간 결과를 무시할 수 있습니다.

추가 응답 컨텐츠

많은 음성 인식 매개변수는 서비스 응답의 컨텐츠에 영향을 줍니다. 일부 매개변수는 서비스가 여러 변환 결과를 리턴하도록 할 수 있습니다.

• end_of_phrase_silence_time
• interim_results
• split_transcript_at_phrase_end

일부 매개변수는 변환 내용의 컨텐츠를 수정할 수 있습니다.

• profanity_filter
• redaction
• smart_formatting

기타 매개변수는 결과에 정보를 추가할 수 있습니다.

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

사용 가능한 매개변수에 대한 자세한 정보는 음성 인식 매개변수 사용 및 매개변수 요약을 참조하십시오.

이전 세대 모델에 대한 망설임

이전 세대 모델의 경우 이 서비스에는 대부분의 언어에 대한 변환 결과에 망설임 마커가 포함되어 있습니다. 언어마다 다른 주저 마커를 사용하거나 주저를 전혀 표시하지 않을 수 있습니다:

• 미국 영어의 경우, 망설임 표지는 토큰 %HESITATION(으)로 표시됩니다. 망설임 마커를 생성하는 단어는 aah, ah, hm, hmm, huh, huh-uh, hum, ohh, ugh, uh, uh-huh, uh-oh, uh-uh, um 및 um-hum 입니다.
• 일본어의 경우, 망설임 표지는 일반적으로 D_(으)로 시작합니다.
• 스페인어의 경우, 서비스는 망설임 표지를 생성하지 않습니다.

다음 예는 미국 영어 변환 내용에 대한 토큰 %HESITATION을(를) 보여줍니다.

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

망설임 표지는 중간과 최종 결과 모두에 표시될 수 있습니다. 스마트 형식화를 사용으로 설정하면 미국 영어에 대한 최종 결과에 망설임 표지가 표시되지 않습니다. 자세한 정보는 스마트 형식화를 참조하십시오.

망설임 표지(hesitation marker)는 음성 내용의 다른 필드에도 표시될 수 있습니다. 예를 들어, 음성 내용의 개별 단어에 대한 단어 시간소인을 요청하는 경우 이 서비스가 각 망설임 표지(hesitation marker)의 시작 및 종료 시간을 보고합니다.

{
  "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
    }
  ]
}

망설임 표지를 애플리케이션에 사용할 필요가 없으면 음성 내용에서 안전하게 필터링할 수 있습니다.

차세대 모델에 대한 망설임

차세대 모델의 경우 모든 변환 결과에 실제 망설이는 단어가 포함되어 있습니다. 차세대 모델은 망설임을 단어로 처리하므로 중간 결과, 최종 결과 및 기타 필드 (예: 단어 시간소인에 대한 결과) 에 망설임이 나타날 수 있습니다. 차세대 모델은 망설임 마커를 생성하지 않으며 스마트 형식화를 사용으로 설정해도 최종 결과에서 망설임이 제거되지 않습니다. 다른 언어는 다른 망설임 단어를 식별할 수 있습니다.

• 미국 영어의 경우 이전 세대 모델과 마찬가지로 일반적인 망설임 단어는 aah, ah, hm, hmm, huh, huh-uh, hum, ohh, ugh, uh, uh-huh, uh-oh, uh-uh, um 및 um-hum 입니다. 이 망설인 말이 모두 녹취록에 나오는 것은 아니다.
• 일본어의 경우 망설임 단어는 일반적으로 반자 문자 (예: ｱ, ｱﾉｰ, ｳｰﾝ, ｴｰﾄ, ﾏ, ﾃ, ﾏ및 ﾝｰﾄ) 로 구성됩니다. 일부 망설임은 전자 문자로 인식될 수 있습니다.

응답에서 망설이는 것을 볼 가능성을 높이기 위해 사용자 정의 언어 모델을 사용할 수 있습니다. 사용자 정의 모델에서, 망설임을 포함하는 말뭉치를 추가하거나 사운드가 유사한 사용자 정의 단어를 작성하여 사용자가 불필요성을 말하는 방식을 캡처합니다. 사용자 정의 언어 모델에 대한 자세한 정보는 사용자 정의 언어 모델 작성 을 참조하십시오.

다음 예는 미국 영어 성적표에서 "음"을 머뭇거리는 모습을 보여줍니다:

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