Vosk-api python 用于语音识别。类似 google 的语音适应功能？

Question

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

问题是：是否有任何类型的 google-语音识别器 功能的替代品，允许通过语音自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 Google 此配置意味着短语 weather 将具有更高的优先级，例如 whether which听起来一样。

或class代币？ 我知道它可能不会在 python3 的 Vosk 中实现，但仍然...

参考资料如下：

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

---

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

Answer 1

Vosk模型适配信息可关注此文档：

https://alphacephei.com/vosk/adaptation

基本上有4个等级：

1. 使用 list of words to recognize
更新小模型
2. 离线更新小模型with the language model from texts
3. 更新语言模型和字典inside the big model
4. 微调声学model on your data

该过程不是完全自动化的，但您可以在群中寻求帮助。