O campo alternatives

O campo alternatives fornece uma matriz de resultados da transcrição. Para esta solicitação, a matriz inclui apenas um elemento.

• O campo transcript fornece os resultados da transcrição.
• O campo confidence é uma pontuação que indica a confiança do serviço na transcrição, que para este exemplo excede 90 por cento.

Os campos final e result_index qualificam o significado desses campos.

Mudanças internas e melhorias no serviço podem afetar transcrições e pontuações de confiança. Por exemplo, o reconhecimento de fala pode ser melhorado para retornar resultados mais precisos de transcrição. Da mesma forma, as pontuações de confiança de transcrição e de palavra podem mudar ligeiramente como resultado de um reconhecimento de fala melhorado Essas mudanças devem ser modestas, mas não esperam que as transcrições e as pontuações de confiança permaneçam inalteradas ao longo do tempo.

O campo final

O campo final indica se a transcrição mostra os resultados da transcrição final:

• O campo é true para obter os resultados finais, que têm a garantia de não mudar. O serviço não envia mais atualizações para os resultados finais.
• O campo é false para resultados provisórios, que estão sujeitos à mudança. Se você utilizar o parâmetro interim_results com a interface do WebSocket, o serviço retornará hipóteses evolutivas em forma de vários campos results, conforme transcreve o áudio. Para resultados provisórios, o campo final é sempre false e o campo confidence é sempre omitido.

Para obter mais informações sobre como usar a interface WebSocket para obter resultados provisórios com modelos de fala grandes, modelos anteriores e de próxima geração, consulte os tópicos a seguir:

• Resultados provisórios
• Como o serviço envia resultados de reconhecimento

O campo result_index

O campo result_index fornece um identificador para os resultados que são exclusivos para essa solicitação. Se você solicitar resultados provisórios, o serviço enviará diversos campos results para o desenvolvimento de hipóteses do áudio de entrada. Os índices para resultados provisórios para o mesmo áudio sempre têm o mesmo valor, assim como os resultados finais para o mesmo áudio.

O mesmo índice também pode ser usado para múltiplos resultados finais de uma única solicitação. Independentemente de você solicitar resultados provisórios, o serviço poderá retornar vários resultados finais com o mesmo índice se o áudio incluir pausas ou períodos prolongados de silêncio. Para obter mais informações, consulte Pausas e silêncio.

Depois de receber os resultados finais para qualquer áudio, o serviço não envia mais resultados com esse índice para o restante da solicitação. O índice para qualquer resultado adicional é incrementado por um.

Se o áudio produzir diversos resultados finais, concatene os elementos transcript dos resultados finais para montar a transcrição completa do áudio. Monte os resultados na ordem em que eles forem recebidos. Ao montar uma transcrição final completa, é possível ignorar resultados provisórios para os quais o campo final é false.

Conteúdo de resposta adicional

Muitos parâmetros de reconhecimento de fala impactam o conteúdo da resposta do serviço. Alguns parâmetros podem fazer com que o serviço retorne vários resultados de transcrição:

• end_of_phrase_silence_time
• interim_results
• split_transcript_at_phrase_end

Alguns parâmetros podem modificar o conteúdo de uma transcrição:

• profanity_filter
• redaction
• smart_formatting

Outros parâmetros podem incluir mais informações nos resultados:

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

Para obter mais informações sobre os parâmetros disponíveis, consulte Usando parâmetros de reconhecimento de voz e o Resumo do parâmetro.

Hesitações para modelos de geração anterior

Para modelos de geração anterior, o serviço inclui marcadores de hesitação em resultados de transcrição para a maioria dos idiomas.. Idiomas diferentes podem usar marcadores de hesitação diferentes ou não indicar nenhuma hesitação:

• Para inglês dos EUA, marcadores de hesitação são indicados pelo token %HESITATION. Palavras que geram marcadores de hesitação são aah, ah, hm, hmm, huh, huh-uh, hum, ohh, ugh, uh, uh-huh, uh-oh, uh-uh, um e um-hum.
• Para japonês, normalmente os marcadores de hesitação começam com D_.
• Para espanhol, o serviço não produz marcadores de hesitação.

O exemplo a seguir mostra o token %HESITATION para uma transcrição em inglês dos EUA:

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

Os marcadores de hesitação podem aparecer nos resultados provisórios e finais. A ativação de formatação inteligente evita que marcadores de hesitação apareçam em resultados finais para o inglês dos EUA. Para obter mais informações, consulte Formatação inteligente.

Os marcadores de hesitação também podem aparecer em outros campos de uma transcrição. Por exemplo, se você solicitar Registros de data e hora da palavra para as palavras individuais de uma transcrição, o serviço relatará o horário de início e de encerramento de cada marcador de hesitação.

{
  "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 seja necessário usá-los para seu aplicativo, é possível filtrar com segurança os marcadores de hesitação de uma transcrição.

Hesitações para modelos de próxima geração

Para modelos de próxima geração, o serviço inclui as palavras de hesitações reais em todos os resultados de transcrição Os modelos da próxima geração tratam as hesitações como palavras, portanto, as hesitações podem aparecer em resultados provisórios, resultados finais e outros campos, como os resultados para registros de data e hora da palavra Os modelos da próxima geração não produzem marcadores de hesitação e a ativação da formatação inteligente não faz com que hesitações sejam removidas dos resultados finais. Diferentes idiomas podem identificar diferentes palavras hesitantes:

• Para inglês dos EUA, palavras comuns de hesitação, como para modelos de geração anteriores, são aah, ah, hm, hmm, huh, huh-uh, hum, ohh, ugh, uh e uh-huh, uh-oh, uh-uh, um e um-hum. Nem todas essas palavras hesitantes podem aparecer em transcrições.
• Para japonês, as palavras de hesitação geralmente consistem em caracteres de meia largura como ｱ, ｱﾉｰ, ｳｰﾝ, ｴｰﾄ, ﾏ, ﾃ, ﾏe ﾝｰﾄ. Algumas hesitações podem ser reconhecidas como caracteres de largura total.

Para aumentar a probabilidade de ver hesitações em sua resposta, você pode utilizar um modelo de idioma customizado. No modelo customizado, inclua corpora que inclua as hesitações ou crie palavras customizadas cujos sons-likes capturam a maneira como os usuários dizem as disfluências. Para obter mais informações sobre modelos de idioma customizados, consulte Criando um modelo de idioma customizado..

O exemplo a seguir mostra a hesitação "uhm" em uma transcrição em inglês americano:

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