向定制语言模型添加语法
必须先使用定制接口将语法添加到定制语言模型,然后才能将该语法用于语音识别。 向定制语言模型添加语法的步骤类似于用于添加语料库或定制词的步骤:
- 创建定制语言模型。 可以创建新的定制模型,也可以使用现有模型。
- 向定制语言模型添加语法。 服务会验证语法以确保其正确性。
- 验证根据语法确定的词。 您将验证语法识别到的任何未登录 (OOV) 词的发音相似的读法是否正确。
- 训练定制语言模型。 服务会准备定制模型和语法以用于语音识别。
- 现在,可以在语音识别请求中使用定制模型和语法。 有关更多信息,请参阅将语法用于语音识别。
这些步骤是迭代的。 您可以根据需要,随时向定制语言模型添加语法以及语料库和定制词。 必须基于添加的任何新数据资源(语法、语料库或定制词)来训练定制模型。 将定制模型用于语音识别时,该模型反映的是最后一次训练所基于的数据。
如需了解有关支持语法和其支持级别(一般可用或测试版)的语言和模型的更多信息,请参阅 自定义的语言支持。
创建定制语言模型
要将语法用于语音识别,必须将其添加到定制语言模型。 可以使用现有定制语言模型,也可以使用 POST /v1/customizations
方法来创建新的定制模型。 有关创建新定制模型的信息,请参阅创建定制语言模型。
定制语言模型可以包含语料库和定制词以及语法。 在语音识别期间,可以使用包含或不包含语法的定制模型。 但是,使用语法时,服务仅根据指定的语法来识别词。
向定制语言模型添加语法
使用 POST /v1/customizations/{customization_id}/grammars/{grammar_name}
方法来向定制模型添加语法文件。
customization_id
(必填字符串)- 请指定要添加语法的定制车型的定制ID。
grammar_name
(必填字符串)- 为语法指定一个名称。 请使用与定制模型的语言相匹配并反映语法内容的本地化名称。
- 名称中最多可包含 128 个字符。
- 不要使用需要进行 URL 编码的字符。 例如,不要在名称中使用空格、斜杠、反斜杠、冒号、& 符号、双引号、加号、等号和问号等。 (服务不会阻止使用这些字符。 但是,由于这些字符在使用的任何位置都必须进行 URL 编码,因此强烈建议不要使用。)
- 不要使用已添加到定制模型的语法或语料库的名称。
- 不要使用名称
user
,此名称由服务保留用于表示用户添加或修改的定制词。 - 不要使用名称
base_lm
或default_lm
。 这两个名称都保留供服务未来使用。
Content-Type
(必填字符串)- 使用请求标头指定语法格式:
application/srgs
表示 ABNF 语法application/srgs+xml
表示 XML 语法
将语法文本文件作为请求正文。 以下示例将名为 confirm.abnf
的语法文件添加到具有指定标识的定制模型。 示例将语法命名为 confirm-abnf
。
IBM Cloud
curl -X POST -u "apikey:{apikey}" \
--header "Content-Type: application/srgs" \
--data-binary @confirm.abnf \
"{url}/v1/customizations/{customization_id}/grammars/confirm-abnf"
IBM Cloud Pak for Data IBM Software Hub
curl -X POST \
--header "Authorization: Bearer {token}" \
--header "Content-Type: application/srgs" \
--data-binary @confirm.abnf \
"{url}/v1/customizations/{customization_id}/grammars/confirm-abnf"
此方法还接受可选的 allow_overwrite
查询参数,可以包含此参数来覆盖同名的现有语法。 如果在将语法添加到模型后需要更新语法,请使用此参数。
这是异步方法。 根据语法的大小和服务上的当前负载,服务可能需要几秒钟或几分钟来分析语法。 有关检查语法状态的信息,请参阅监视添加语法请求。
通过对每个语法文件调用此方法一次,可以将任意数量的语法添加到定制模型。 一个语法的添加操作必须完全完成后,才能添加其他语法。
监视添加语法请求
如果语法有效,服务会返回 201 响应代码。 然后,服务会异步处理语法的内容,并自动抽取语法可以识别到的新词。 在服务对当前请求的语法的分析完成之前,无法提交向定制模型添加更多数据资源的请求。
要确定分析的状态,请使用 GET /v1/customizations/{customization_id}/grammars/{grammar_name}
方法来轮询语法的状态。 此方法接受定制模型的标识和语法的名称。 以下示例检查名为 confirm-abnf
的语法的状态。
IBM Cloud
curl -X GET -u "apikey:{apikey}" \
"{url}/v1/customizations/{customization_id}/grammars/confirm-abnf"
IBM Cloud Pak for Data IBM Software Hub
curl -X GET \
--header "Authorization: Bearer {token}" \
"{url}/v1/customizations/{customization_id}/grammars/confirm-abnf"
响应包含该语法的状态:
{
"name": "confirm-abnf",
"out_of_vocabulary_words": 0,
"status": "being_processed"
}
status
字段具有下列其中一个值:
analyzed
指示服务已成功分析语法。being_processed
指示服务仍在分析语法。undetermined
指示服务在处理语法时遇到错误。
使用循环每 10 秒检查一次语法的状态,直到它变为 analyzed
。 有关检查语法状态的更多信息,请参阅列出定制语言模型的语法。
处理添加语法失败
如果对语法的分析失败,那么服务会将语法的状态设置为 undetermined
,并包含 error
字段,用于描述失败及语法状态。 您还可以使用 GET /v1/customizations/{customization_id}
方法来检查定制模型的状态。 如果添加语法失败,那么输出会包含类似以下内容的错误消息:
{
. . .
"error": "{\"code\":500, \"code_description\":\"Internal Server Error\",
\". . . Cannot compile grammar . . .\"},
. . .
}
定制模型的状态不受此错误的影响,但语法不能用于该模型。 通过更正语法文件并重复将其添加到定制模型的请求,可以解决此问题。 将 allow_overwrite
参数设置为 true
可覆盖失败的语法文件版本。
您还可以从定制模型中暂时删除语法,然后更正语法文件,并在未来重新添加该语法文件。 有关删除语法的更多信息,请参阅从定制语言模型中删除语法。
验证根据语法确定的词
将语法文件添加到定制语言模型时,服务会解析语法,以确定语法是否可识别到任何尚不属于服务基本词汇表的词。 此类词称为未登录 (OOV) 词。 服务会将 OOV 词添加到定制模型的词资源。 词资源的用途是定义服务的词汇表中尚不存在的词。
词资源中的定义会指示服务如何转录 OOV 词。 信息包含 sounds_like
字段(指示服务如何对词发音)、display_as
字段(指示服务如何显示词)和 source
字段(指示将词添加到定制模型的方式)。 有关词资源和 OOV 词的更多信息,请参阅词资源。
将语法添加到定制模型后,检查模型词资源中的 OOV 词以验证其发音相似的读法是一种不错的做法。 并非所有语法都包含 OOV 词,但验证词资源通常是很好的想法。 要在添加语法后检查定制模型的词,请使用以下方法:
- 使用
GET /v1/customizations/{customization_id}/words
方法来列出定制模型中的所有词。 使用此方法的grammars
参数传递值word_type
可仅列出通过语法添加的词。 - 使用
GET /v1/customizations/{customization_id}/words/{word_name}
方法来查看模型中的单个词。
验证词的发音相似的读法是否准确且正确。 另请在词本身中查找拼写和其他错误。 有关自定义模型中单词的验证和更正的更多信息,请参阅 验证上一代车型的单词资源。
训练定制语言模型
在可以将语法用于定制语言模型之前,要执行的最后一步是训练模型。 使用的过程与用于基于新语料库或新定制词来训练定制模型的过程相同。 通过训练模型,可对语法进行编译,以在语音识别期间使用。 服务会将原始的基于文本的格式的语法处理为用于语音识别的二进制运行时格式。 训练模型后,才能使用语法。
使用 POST /v1/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/customizations/{customization_id}/train"
IBM Cloud Pak for Data IBM Software Hub
curl -X POST \
--header "Authorization: Bearer {token}" \
"{url}/v1/customizations/{customization_id}/train"
训练方法是异步执行的。 训练通常需要几秒钟或几分钟才能完成。 但也可能需要更长时间,具体取决于语法的大小和复杂性以及服务上的当前负载。 有关检查训练操作的状态的信息,请参阅监视训练请求。
监视训练请求
如果训练过程成功启动,服务会返回 200 响应代码。 在当前训练请求完成之前,服务无法接受后续训练请求,也无法请求向定制模型添加新的语法、语料库或词。
要确定训练请求的状态,请使用 GET /v1/customizations/{customization_id}
方法来轮询模型的状态。 此方法接受模型的定制标识,并返回类似以下内容的模型相关信息:
{
"customization_id": "74f4807e-b5ff-4866-824e-6bba1a84fe96",
"created": "2018-06-01T18:42:25.324Z",
"language": "en-US",
"dialect": "en-US",
"owner": "297cfd08-330a-22ba-93ce-1a73f454dd98",
"name": "Example model",
"description": "Example custom language model",
"base_model_name": "en-US_BroadbandModel",
"status": "training",
"progress": 0
}
正在训练模型期间,status
字段的值为 training
。 使用循环每 10 秒检查一次模型的状态,直到它变为 available
。 有关监视训练请求和其他可能状态值的更多信息,请参阅监视训练模型请求。