为什么谷歌语音API比内置语音识别糟糕得多

Question

我正在Android上使用谷歌语音API在我的Android应用程序中启用语音到文本。然而，我注意到，与Google Assistant或内置的“嘿Google”服务相比，识别率要差得多。

是使用另一个API还是同一个API，是什么原因导致质量差异如此之大。

例如，当我说“Smitten Ice Cream”（加利福尼亚州旧金山市的一个地方）时，Google Maps马上就能听懂，而我的应用程序在尝试了5次后就听不懂了。是否有可能向我试图转录位置的语音API添加上下文？

Answer 1

这个答案是基于多年来为我的应用程序使用内置Google Speech识别器的假设。

我收到过很多很多报告，当用户第一次开始使用我的应用程序时，语音识别远没有使用Google Now/Assistant时那么准确，尽管它似乎是他们设备上的相同“服务”。

假设是，当您将包名称放在意图详细信息中时：

intent.putExtra(RecognizerIntent.EXTRA_CALLING_PACKAGE, getPackageName());

谷歌将为此软件包启动一个新的“语音模型”，除非已经存在。正如留档中所述，如果你省略了这个——谷歌可能会无论如何添加这个。

这实际上是一个明智的方法。如果你的应用程序专注于医学术语，你不希望结果对这些术语有偏见——任何现有模型都很可能有偏见。

我发现，经过短时间的使用，准确率大大提高。

由于一个长期存在的bug，还有一个潜在的问题-如果识别结果仍然很差，您需要卸载提供识别服务的谷歌应用程序，删除所有文件等，然后重新安装。对于那些准确度令人费解地糟糕的人来说，这是一个即时解决方案。

我的应用程序疑难解答部分中出现了一段与上述内容非常类似的内容，试图帮助用户理解。我从未遇到过识别准确率没有提高的情况。

这对你来说不是一个解决方案，但我希望确认你的经验会有所帮助。