用于语音识别的 Vosk-api python。像谷歌一样的语音适应功能？

Question

因此，Vosk-api 是一款出色的离线语音识别器，具有出色的支持，但在撰写本文时（2020 年 8 月 14 日）文档非常差（或巧妙隐藏）

问题是：是否有任何形式的谷歌语音识别器功能的替代品，它允许通过语音适应进行额外的转录改进？

例如

"config": {
    "encoding":"LINEAR16",
    "sampleRateHertz": 8000,
    "languageCode":"en-US",
    "speechContexts": [{
      "phrases": ["weather"]
    }]
}

对于谷歌来说，这个配置意味着短语“天气”将具有更高的优先级，比如，听起来是否相同。

还是类令牌？我知道它可能无法在 Vosk 中为 python3 实现，但仍然......

以下是参考资料：

https://cloud.google.com/speech-to-text/docs/class-tokens

---

https://cloud.google.com/speech-to-text/docs/speech-adaptation

Answer 1

关于Vosk模型适配的信息可以关注此文档：

https://alphacephei.com/vosk/adaptation

基本上有4个级别：

1. 使用要识别的单词列表更新小模型
2. 使用文本中的语言模型离线更新小模型
3. 更新语言模型和大模型内的字典
4. 根据您的数据微调声学模型

该过程不是完全自动化的，但您可以在群组中寻求帮助。