提高Google Cloud Speech API的准确性

Question

我目前正在Mac OS计算机上的网页上录制音频，并通过云语音api运行它以生成一份抄本。然而，结果并不是那么准确，结果中有大量缺失的单词。

是否有任何步骤可以帮助我产生更准确的结果？

以下是我将音频转换为文本的步骤：

1. 使用Soundflower将音频输出从声卡传输到麦克风输入
2. 从网站播放音频
3. 使用quickTime player录制保存为的音频。m4a文件
4. 使用命令行工具ffmpeg转换。m4a文件到。flac，还可以将2个音频通道（立体声）组合为1个音频通道（单声道）
5. 上载。flac文件到Google云存储。该文件的采样率为44100Hz，每个采样有24位
6. 通过节点使用LongRunningRecognite api。js客户端库，指向Google云存储中的文件

Answer 1

从语音到文本API方面，我建议您验证是否遵循了最佳实践建议，例如避免过多的背景噪音和多人同时交谈，因为这些方面可能会影响服务识别。

我认为你有很好的采样率和无松动的编解码器；但是，请记住音频预处理会影响音频质量。在这些情况下，最好避免重新采样，尽管如此，您可以尝试使用不同的音频格式来验证哪种得到最准确的结果。

此外，您可以使用languageCode和短语提示API属性，这些属性通常用于提高识别精度。