Resultados de marcação de palavra-chave

O serviço retorna os resultados em um campo keywords_result que é um elemento da matriz results. O campo keywords_result é um dicionário, ou matriz associativa, de propriedades enumeráveis. Cada propriedade é identificada por uma palavra-chave especificada e inclui uma matriz de objetos. O serviço retorna um elemento da matriz para cada correspondência que ele localiza para a palavra-chave. O objeto para cada correspondência inclui os campos a seguir:

• normalized_text é a palavra-chave especificada que é normalizada para a frase falada que correspondeu ao áudio de entrada.
• start_time é o horário de início em segundos da correspondência.
• end_time é o horário de encerramento em segundos da correspondência.
• confidence é a confiança do serviço de que a correspondência representa a palavra-chave especificada. A confiança deve ser pelo menos tão grande quanto o limite especificado a ser incluído nos resultados.

Uma palavra-chave para a qual o serviço não localiza nenhuma correspondência é omitida da matriz. Uma palavra-chave pode não ser localizada se

• O áudio simplesmente não inclui a palavra-chave. A ausência da palavra-chave é a explicação mais óbvia.

• O limite está configurado muito alto. O serviço pode identificar a palavra-chave, mas com um nível inferior de confiança, caso em que ele omite a correspondência dos resultados.

• Uma sequência de palavra-chave que contém diversos tokens (por exemplo, Speech to Text) é falada com muito silêncio entre os seus tokens. Quando o serviço transcreve o áudio, ele divide o fluxo em uma série de blocos. Cada bloco representa um chunk contínuo de áudio que não tem um intervalo de silêncio acima de meio segundo. Ele constrói uma matriz de objetos de resultado que consiste nesses blocos.

  O serviço corresponde a uma palavra-chave com diversos tokens somente se

  • Os tokens da palavra-chave estão no mesmo bloco.
  • Os tokens são adjacentes ou separados por uma diferença de até 0,1 segundo.

  Nesse último caso, pode haver um breve preenchimento ou uma elocução não lexical, como "uhm" ou "bem", entre dois tokens da palavra-chave. Nesse caso, modelos de geração anterior podem inserir um marcador de hesitação nessa posição da transcrição. Os modelos de última geração incluem a hesitação real nos resultados da transcrição. Para obter mais informações, consulte Hesitações de fala e marcadores de hesitação.

Exemplo de marcação de palavra-chave

A solicitação de exemplo a seguir configura o parâmetro keywords para uma matriz codificada por URL de três sequências (colorado, tornadoe tornadoes) e o parâmetro keywords_threshold para 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"

O serviço encontra ocorrências qualificadas de colorado e 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 de palavra

O serviço retorna os resultados em um campo word_alternatives que é um elemento da matriz results. O campo word_alternatives é uma matriz de objetos, cada um dos quais fornece os campos a seguir para uma palavra alternativa:

• start_time indica o tempo em segundos em que a palavra para a qual as hipóteses são retornadas inicia no áudio de entrada.
• end_time indica o tempo em segundos no qual a palavra para a qual as hipóteses são retornadas termina no áudio de entrada.
• alternatives é uma matriz de objetos de hipótese. Cada objeto inclui uma confidence que indica a pontuação de confiança do serviço para a hipótese e uma word que identifica a hipótese. A confiança deve ser pelo menos tão grande quanto o limite especificado a ser incluído nos resultados. O serviço ordena as alternativas por confiança.

Exemplo de alternativas de palavra

A solicitação de exemplo a seguir especifica um word_alternatives_threshold bastante baixo de 0.10. O áudio de entrada simples inclui palavras com homônimos comuns e diferentes interpretações acústicas possíveis.

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"

Por causa do limite baixo, o serviço retorna várias hipóteses e pontuações de confiança para algumas das palavras, além dos horários de início e encerramento de todas elas. A transcrição final reconhece corretamente o áudio 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
                  }
               ]
            }
         ]
      }
   ]
}