是否可以在 MS Speech-to-Text 中过滤 "interjections"/"humming"？

Question

我们正在尝试使用（除其他外）Microsoft Speech-to-Text（特别是使用 C# API）转录视频材料。我们从 Microsoft 获得的结果通常包含很多 "interjections"/"humming"（此处不确定正确的术语），例如 "hmm"、"uhm" 等，而其他提供商似乎会自动过滤掉这些内容。在某些情况下，将这些包含在结果中可能很有意义，但在其他设置中，如果有一种方法可以配置 SpeechRecognizer 以排除它们，那就太好了。有办法实现吗？

Answer 1

我们的后端引擎有这个能力。 但是，它目前没有公开记录，我不确定您将如何将此选择从客户端发送到服务。现在它是某些端点而非其他端点的默认设置（"internet search" 与 "dictation" 相对应）。

我将不得不与我们的一位服务工程师交谈，看看是否可以从客户端动态更改此设置，并以更好的响应回复您。

谢谢，

布莱恩.

---更新---

我与我们的一位服务工程师交谈过，该功能称为 TrueText 格式。我对我们的测试和文档做了一些挖掘，它实际上公开记录在这里。

https://docs.microsoft.com/en-us/dotnet/api/microsoft.cognitiveservices.speech.propertyid?view=azure-dotnet

https://docs.microsoft.com/en-us/dotnet/api/microsoft.cognitiveservices.speech.speechconfig?view=azure-dotnet

如何在 SpeechConfig 对象上 call/set 的示例如下...

        var trueText = "TrueText";
        myDefaultConfig.SetProperty(PropertyId.SpeechServiceResponse_PostProcessingOption, trueText);

文档目前没有显示其他状态，我认为是 "Normal" 而不是 "TrueText"。我将在本周抽出时间亲自尝试一下，并改进有关此 属性 id.

的文档