Resultados de la detección de palabras clave

El servicio devuelve los resultados en un campo keywords_result que es un elemento de la matriz results. El campo keywords_result es un diccionario, o una matriz asociativa, de propiedades enumerables. Cada propiedad se identifica mediante una palabra clave especificada e incluye una matriz de objetos. El servicio devuelve un elemento de la matriz para cada coincidencia que encuentra para la palabra clave. El objeto de cada coincidencia incluye los campos siguientes:

• normalized_text es la palabra clave especificada normalizada con la frase hablada que coincide con el audio de entrada.
• start_time es la hora de inicio en segundos de la coincidencia.
• end_time es la hora de finalización en segundos de la coincidencia.
• confidence es el nivel de confianza del servicio en que la coincidencia representa la palabra clave especificada. La confianza debe tener al menos el valor del umbral especificado para que se incluya en los resultados.

Una palabra clave para la que el servicio no encuentra coincidencias se omite de la matriz. Es posible que no se encuentre una palabra clave si

• El audio simplemente no incluye la palabra clave. La ausencia de la palabra clave es la explicación más obvia.

• El umbral definido es demasiado alto. Puede que el servicio identifique la palabra, pero con un nivel bajo de confianza, en cuyo caso omite la coincidencia de los resultados.

• Una serie de palabra clave que contiene varias señales (por ejemplo, Speech to Text) se pronuncia demasiado bajo entre sus señales. Cuando el servicio transcribe el audio, divide la secuencia en una serie de bloques. Cada bloque representa una porción continua de audio que no tiene un intervalo de silencio que supera la mitad de un segundo. Crea en una matriz de objetos de resultados que consta de estos bloques.

  El servicio solo detecta una coincidencia de una palabra clave de varias señales si

  • Las señales de la palabra clave se encuentran en el mismo bloque.
  • Las señales son adyacentes o están separadas por un intervalo que no supera 0,1 segundo.

  En este último caso, un breve relleno o expresión no léxica, como "uhm" o "bien", puede estar entre dos señales de la palabra clave. En este caso, los modelos de la generación anterior pueden insertar un marcador de duda en esta posición de la transcripción. Los modelos de última generación incluyen la vacilación real en los resultados de la transcripción. Para más información, consulte Marcadores de vacilación y vacilación en el habla.

Ejemplo de detección de palabras clave

La siguiente solicitud de ejemplo establece el parámetro keywords en una matriz codificada por URL de tres series (colorado, tornado y tornadoes) y el parámetro keywords_threshold en 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"

El servicio encuentra apariciones calificadas de colorado y 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
    }
  ]
}

Resultados de alternativas a palabras

El servicio devuelve los resultados en un campo word_alternatives que es un elemento de la matriz results. El campo word_alternatives es una matriz de objetos, cada uno de los cuales proporciona los campos siguientes para una palabra alternativa:

• start_time indica la hora en segundos en que comienza la palabra para la que se devuelven hipótesis en el audio de entrada.
• end_time indica la hora en segundos en que finaliza la palabra para la que se devuelven hipótesis en el audio de entrada.
• alternatives es una matriz de objetos de hipótesis. Cada objeto incluye un valor de confidence que indica la puntuación de confianza del servicio para la hipótesis y un valor word que identifica la hipótesis. La confianza debe tener al menos el valor del umbral especificado para que se incluya en los resultados. El servicio ordena las alternativas por nivel de confianza.

Ejemplos de alternativas a palabras

En la siguiente solicitud de ejemplo se especifica un valor de word_alternatives_threshold bastante bajo de 0.10. El audio de entrada simple incluye palabras con homónimos comunes y diferentes interpretaciones acústicas posibles.

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"

Debido al bajo umbral, el servicio devuelve varias hipótesis y puntuaciones de confianza para algunas de las palabras, junto con los tiempos de inicio y de finalización de todas las palabras. La transcripción final reconoce correctamente el audio de entrada.

{
   "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
                  }
               ]
            }
         ]
      }
   ]
}