创建定制声学模型

使用 POST /v1/acoustic_customizations 方法来创建新的定制声学模型。 此方法接受用于定义新定制模型属性的 JSON 对象作为请求主体。 拥有新定制模型的服务实例是其凭证用于创建该模型的实例。 有关更多信息，请参阅定制模型的所有权。

对于每个拥有凭证，最多可以创建 1024 个定制声学模型。 有关更多信息，请参阅最大定制模型数。

新的定制声学模型具有以下属性：

name (必需 字符串)

新定制声学模型的用户定义名称。 使用与定制模型的语言匹配的本地化名称，并反映模型的声学环境，例如 Mobile custom model 或 Noisy car custom model。

• 名称最多包含256个字符。
• Do not use backslashes, slashes, colons, equal signs, ampersands, or question marks in the name.
• 使用的名称应在您拥有的所有定制声学模型中唯一。

base_model_name (必需 字符串)

新车型定制的基准车型名称。 必须使用由 GET /v1/models 方法返回的模型的名称。 新的定制模型只能用于它所定制的基本模型。

description (可选 字符串)

推荐的新定制车型描述。

• 请使用与定制模型的语言相匹配的本地化描述。
• 描述中最多包含128个字符。

以下示例创建名为 Example acoustic model 的新定制声学模型。 此模型创建用于基本模型 en-US_BroadbandModel，并且描述为 Example custom acoustic model。 Content-Type 头指定要将 JSON 数据传递到此方法。

IBM Cloud

curl -X POST -u "apikey:{apikey}" \
--header "Content-Type: application/json" \
--data "{\"name\": \"Example acoustic model\", \
  \"base_model_name\": \"en-US_BroadbandModel\", \
  \"description\": \"Example custom acoustic model\"}" \
"{url}/v1/acoustic_customizations"

IBM Cloud Pak for Data IBM Software Hub

curl -X POST \
--header "Authorization: Bearer {token}" \
--header "Content-Type: application/json" \
--data "{\"name\": \"Example acoustic model\", \
  \"base_model_name\": \"en-US_BroadbandModel\", \
  \"description\": \"Example custom acoustic model\"}" \
"{url}/v1/acoustic_customizations"

该示例将返回新模型的定制标识。 每个定制模型都通过唯一的定制标识进行标识，这是全局唯一标识 (GUID)。 使用与模型关联的调用的 customization_id 参数可指定定制模型的 GUID。

{
  "customization_id": "74f4807e-b5ff-4866-824e-6bba1a84fe96"
}

向定制声学模型添加音频

创建定制声学模型后，下一步是向其添加音频资源。 使用 POST /v1/acoustic_customizations/{customization_id}/audio/{audio_name} 方法来向定制模型添加音频资源。 可以添加

• 语音识别支持的任何格式的单个音频文件。 有关更多信息，请参阅 支持的音频格式。
• 包含多个音频文件的档案文件（ .zip 或 .tar.gz 文件）。 将多个音频文件收集到单个归档文件中并装入该单个文件要比逐个添加音频文件高效得多。

可将音频资源作为请求主体传递，并为资源分配 audio_name。 有关更多信息，请参阅使用音频资源。

以下示例说明了音频类型和归档类型资源的添加操作：

• 此示例向具有指定 customization_id 的定制声学模型添加音频类型资源。 Content-Type 头将音频类型标识为 audio/wav。 音频文件 audio1.wav 作为请求正文传递，资源名称为 audio1。

  IBM Cloud

  curl -X POST -u "apikey:{apikey}" \
  --header "Content-Type: audio/wav" \
  --data-binary @audio1.wav \
  "{url}/v1/acoustic_customizations/{customization_id}/audio/audio1"
  

  IBM Cloud Pak for Data IBM Software Hub

  curl -X POST \
  --header "Authorization: Bearer {token}" \
  --header "Content-Type: audio/wav" \
  --data-binary @audio1.wav \
  "{url}/v1/acoustic_customizations/{customization_id}/audio/audio1"
  

• 此示例向指定的定制声学模型添加归档类型资源。 Content-Type 头将归档类型标识为 application/zip。 Contained-Contented-Type 头指示归档中包含的所有文件的格式均为 audio/l16，采样率为 16 千赫兹。 存档文件 audio2.zip 作为请求正文传递，资源名称为 audio2。

  IBM Cloud

  curl -X POST -u "apikey:{apikey}" \
  --header "Content-Type: application/zip" \
  --header "Contained-Content-Type: audio/l16;rate=16000" \
  --data-binary @audio2.zip \
  "{url}/v1/acoustic_customizations/{customization_id}/audio/audio2"
  

  IBM Cloud Pak for Data IBM Software Hub

  curl -X POST \
  --header "Authorization: Bearer {token}" \
  --header "Content-Type: application/zip" \
  --header "Contained-Content-Type: audio/l16;rate=16000" \
  --data-binary @audio2.zip \
  "{url}/v1/acoustic_customizations/{customization_id}/audio/audio2"
  

此方法还接受可选的 allow_overwrite 查询参数，用于覆盖定制模型的现有音频资源。 如果在将音频资源添加到模型后需要更新该资源，请使用该参数。

这是异步方法。 根据音频的持续时间，可能需要几秒钟或几分钟才能完成。 对于归档文件，操作的长度取决于归档中包含的所有音频文件的持续时间。 操作的持续时间还取决于服务上的当前负载。 有关检查用于添加音频资源的请求的状态的更多信息，请参阅监视添加音频请求。

通过对每个音频或归档文件调用此方法一次，可以将任意数量的音频资源添加到定制模型。 您可以发出多个请求，以同时添加不同的音频资源。

在训练自定义声学模型之前，您必须至少添加10分钟包含语音（而非静音）的音频。 任何音频类型或归档类型资源的大小都不能超过 100 MB。

• 有关向定制声学模型添加音频的一般指导信息，请参阅 添加音频的准则。
• 有关可以添加到定制声学模型的最大音频量的更多信息，请参阅 最大音频小时数。

训练定制声学模型

使用音频资源填充定制声学模型后，必须基于新数据来训练模型。 通过训练，可准备定制模型以用于语音识别。 在基于新数据训练模型之前，无法将该模型用于识别请求。 此外，以新增或更改音频资源的形式对定制模型的更新，要在您使用这些更改对该模型进行训练之后，才会由该模型反映出。

使用 POST /v1/acoustic_customizations/{customization_id}/train 方法来训练定制模型。 您将向此方法传递要训练的模型的定制标识，如以下示例中所示。

IBM Cloud

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

IBM Cloud Pak for Data IBM Software Hub

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

这是异步方法。 训练时间取决于定制声学模型包含的累计音频数据量以及服务上的当前负载。 训练或重新训练模型时，服务会在训练中使用模型的所有音频数据（不仅仅是新数据）。 因此，训练时间与模型包含的音频总量相当。

一般准则是，训练定制声学模型需要的时间大约等于其累计音频数据长度。 例如，训练包含总长 2 小时音频的模型需要大约 2 小时。 有关检查训练操作的状态的更多信息，请参阅监视训练模型请求。

此方法包含以下可选的查询参数：

• custom_language_model_id 参数指定要在训练期间使用的单独创建的定制语言模型。 可以使用定制语言模型进行训练，该模型包含音频文件的转录，或者包含与音频文件内容相关的语料库或 OOV 词。 要成功训练，定制语言模型必须经过完全训练且可用，并且定制声学模型和定制语言模型必须基于同一基本模型的相同版本。 有关更多信息，请参阅使用定制语言模型训练定制声学模型。
• strict 参数指示在定制模型包含有效和无效音频资源的组合时，训练是否继续进行。 缺省情况下，如果模型包含一个或多个无效资源，训练会失败。 将此参数设置为 false，以允许只要模型包含至少一个有效资源，就继续进行训练。 服务会从训练中排除无效的资源。 有关更多信息，请参阅定制声学模型训练失败。

curl -X GET -u "apikey:{apikey}" \
"{url}/v1/acoustic_customizations/{customization_id}"

curl -X GET \
--header "Authorization: Bearer {token}" \
"{url}/v1/acoustic_customizations/{customization_id}"

{
  "customization_id": "74f4807e-b5ff-4866-824e-6bba1a84fe96",
  "created": "2016-06-01T18:42:25.324Z",
  "updated": "2016-06-01T22:11:13.298Z",
  "language": "en-US",
  "owner": "297cfd08-330a-22ba-93ce-1a73f454dd98",
  "name": "Example model",
  "description": "Example custom acoustic model",
  "base_model_name": "en-US_BroadbandModel",
  "status": "training",
  "progress": 0
}