Panoramica
Puoi utilizzare la funzionalità di adattamento del modello per aiutare Speech-to-Text a riconoscere parole o frasi specifiche più spesso rispetto ad altre opzioni che potrebbero essere suggerite altrimenti. Supponiamo, ad esempio, che i tuoi dati audio includano spesso la parola "meteo". Quando Speech-to-Text rileva la parola "meteo", vuoi che trascriva la parola come "meteo" più spesso che con "se". In questo caso, puoi usare l'adattamento del modello per bilanciare Speech-to-Text e il riconoscimento del "meteo".
L'adattamento del modello è particolarmente utile nei seguenti casi d'uso:
Migliorare la precisione di parole e frasi ricorrenti di frequente nei dati audio. Ad esempio, puoi avvisare il modello di riconoscimento dei comandi vocali generalmente pronunciati dagli utenti.
Ampliare il vocabolario delle parole riconosciute da Speech-to-Text. Speech-to-Text include un vocabolario molto ampio. Tuttavia, se i tuoi dati audio spesso contengono parole rare nell'uso generico della lingua (ad esempio nomi propri o parole specifiche del dominio), puoi aggiungerle utilizzando l'adattamento del modello.
Migliorare l'accuratezza della trascrizione del parlato quando l'audio fornito contiene rumore o non è molto chiaro.
Se vuoi, puoi perfezionare la differenziazione del modello di riconoscimento utilizzando la funzionalità di miglioramento dell'adattamento del modello.
Migliorare il riconoscimento di parole e frasi
Per aumentare la probabilità che Speech-to-Text riconosca la parola
"meteo" quando trascrive i tuoi dati audio, puoi passare la singola parola
"meteo" nell'oggetto PhraseSet
in una risorsa SpeechAdaptation.
Quando fornisci una frase composta da più parole, è più probabile che l'API Speech-to-Text riconosca le parole in sequenza. Fornire una frase aumenta anche la probabilità di riconoscere parti della frase, incluse le singole parole. Consulta la pagina relativa ai limiti dei contenuti per conoscere i limiti relativi al numero e alle dimensioni di queste frasi.
Migliora il riconoscimento utilizzando i corsi
Le classi rappresentano concetti comuni che ricorrono nel linguaggio naturale, come le unità monetarie e le date del calendario. Una classe consente di migliorare la precisione della trascrizione per grandi gruppi di parole che corrispondono a un concetto comune, ma che non includono sempre parole o frasi identiche.
Ad esempio, supponiamo che i tuoi dati audio includano registrazioni di persone che dicono il loro indirizzo. Potresti avere una registrazione audio di qualcuno che dice
"Casa mia è 123 Main Street, la quarta casa sulla sinistra". In questo caso, vuoi che Speech-to-Text riconosca la prima sequenza di numeri ("123")
come indirizzo anziché come ordinale ("centoventitré"). Tuttavia, non tutti vivono in "123 Main Street". Non è pratico elencare ogni
possibile via in una risorsa PhraseSet
. Puoi invece utilizzare una classe per indicare che un numero civico deve essere riconosciuto indipendentemente dal numero effettivo. In questo esempio, Speech-to-Text potrebbe trascrivere in modo più accurato frasi come "123 Main Street" e "987 Grand Boulevard" perché sono entrambe riconosciute come numeri civici.
Token di classe
Per utilizzare una classe nell'adattamento del modello, includi un token della classe nel
campo phrases
di una risorsa PhraseSet
. Consulta l'elenco dei token delle classi supportati per vedere quali sono disponibili per la tua lingua. Ad esempio, per
migliorare la trascrizione dei numeri di indirizzo dell'audio di origine, fornisci il
valore $ADDRESSNUM
all'interno di una frase in un PhraseSet.
Puoi utilizzare le classi come elementi autonomi nell'array phrases
o incorporare uno o più token di classe in frasi più lunghe con più parole. Ad esempio, puoi
indicare un numero di indirizzo in una frase più grande includendo il token di classe in
una stringa: ["my address is $ADDRESSNUM"]
. Tuttavia, questa frase non è utile nei casi in cui l'audio contenga una frase simile ma non identica, ad esempio "Mi trovo all'indirizzo 123 Main Street". Per riconoscere più facilmente frasi simili, è importante includere anche il token della classe da solo:
["my address is $ADDRESSNUM", "$ADDRESSNUM"]
. Se utilizzi un token di classe non valido o non valido, Speech-to-Text ignora il token senza attivare un errore, ma utilizza comunque il resto della frase per il contesto.
Classi personalizzate
Puoi anche creare il tuo CustomClass
, una classe composta dal tuo elenco
personalizzato di elementi o valori correlati. Ad esempio, vuoi trascrivere dati audio che potrebbero includere il nome di uno qualsiasi delle diverse centinaia di ristoranti regionali. I nomi dei ristoranti sono relativamente rari nel linguaggio generico e pertanto hanno meno probabilità di essere scelti come risposta "corretta" dal modello di riconoscimento. Puoi polarizzare il modello di riconoscimento in modo da identificare correttamente questi nomi quando appaiono nell'audio utilizzando una classe personalizzata.
Per utilizzare una classe personalizzata, crea una risorsa CustomClass
che includa il nome di ogni ristorante come ClassItem
. Le classi personalizzate
funzionano come i
token di classe predefiniti. Un elemento phrase
può
includere sia token di classe predefiniti sia classi personalizzate.
Perfeziona i risultati della trascrizione con l'ottimizzazione
L'adattamento predefinito del modello offre un effetto relativamente ridotto, soprattutto per le frasi con una sola parola. La funzionalità di adattamento del modello boost consente di aumentare il bias del modello di riconoscimento assegnando più peso ad alcune frasi rispetto ad altre. Ti consigliamo di implementare il booster se tutte le seguenti condizioni sono vere:
- Hai già implementato l'adattamento del modello.
- Vuoi regolare ulteriormente l'intensità degli effetti di adattamento del modello sui risultati della trascrizione. Per verificare se la funzionalità Boost è disponibile per la tua lingua, consulta la pagina di supporto delle lingue.
Ad esempio, hai molte registrazioni di persone che chiedono informazioni sulla "tariffa per entrare alla fiera di contea", dove la parola "fair" è più frequente di "fare". In questo caso, puoi utilizzare l'adattamento del modello per aumentare la probabilità che il modello riconosca sia le "fair" che le "fare" aggiungendole come phrases
in una risorsa PhraseSet
. In questo modo Speech-to-Text riconoscerà "fair" e "fare" più spesso di, ad esempio, "lepre" o "care".
Tuttavia, "fair" dovrebbe essere riconosciuto più spesso di "fare" per via delle sue apparizioni più frequenti nell'audio. Potresti aver già trascritto l'audio utilizzando l'API Speech-to-Text e aver trovato un numero elevato di errori nel riconoscere la parola corretta ("fair"). In questo caso, potresti voler utilizzare la funzionalità di boost per assegnare un valore di booster più elevato a "fair" rispetto a "fare". Il valore ponderato più elevato assegnato a "fair" associa l'API Speech-to-Text a scegliere "fair" più spesso di "fare". Senza valori di aumento, il modello di riconoscimento riconoscerà le parole "fair" e "fare" con la stessa probabilità.
Nozioni di base su Boost
Quando utilizzi il booster, assegni un valore ponderato a phrase
elementi in una
risorsa PhraseSet
. Speech-to-Text fa riferimento a questo valore ponderato quando selezioni una possibile trascrizione per le parole nei tuoi dati audio. Più alto è il valore, più è probabile che Speech-to-Text scelga la parola o la frase tra le possibili alternative.
Se assegni un valore di boosting a una frase composta da più parole, il boost viene applicato all'intera frase e solo all'intera frase. Ad esempio, vuoi assegnare un valore di potenziamento alla frase "La mia mostra preferita all'American Museum of Natural History è la balenottera azzurra". Se aggiungi la frase a un oggetto phrase
e assegni un valore di miglioramento, il modello di riconoscimento sarà più propenso a riconoscere la frase nella sua interezza.
Se non ottieni i risultati che stai cercando aumentando una frase composta da più parole,
ti consigliamo di aggiungere tutti i bigram (due parole in ordine) che la compongono
come elementi phrase
aggiuntivi e di assegnare a ciascuno un valore di boosting. Proseguendo
con l'esempio precedente, potresti cercare di aggiungere ulteriori bigram ed endgram
(più di due parole), ad esempio "il mio preferito", "la mia esposizione preferita", "esposizione preferita", "la mia mostra preferita all'American Museum of Natural History", "American Museum of Natural History" e "balenottera azzurra". È quindi più probabile che il modello di riconoscimento STT riconosca nel tuo audio frasi correlate che contengono parti della frase potenziata originale ma non corrispondono parola per parola.
Imposta valori di boosting
I valori di boost devono essere un valore in virgola mobile maggiore di 0. Il limite massimo pratico per i valori di boosting è 20. Per ottenere risultati ottimali, sperimenta con i risultati della trascrizione aumentando o diminuendo i valori di aumento fino a ottenere risultati della trascrizione accurati.
Valori di boost più elevati possono comportare meno falsi negativi, nei casi in cui la parola o la frase si è verificata nell'audio, ma non sono state riconosciute correttamente da Speech-to-Text. Tuttavia, il boost può anche aumentare la probabilità di falsi positivi, ovvero nei casi in cui la parola o la frase compare nella trascrizione anche se non è presente nell'audio.
Esempio di caso d'uso in cui viene utilizzato l'adattamento del modello
L'esempio seguente illustra la procedura per utilizzare l'adattamento del modello per trascrivere una registrazione audio di una persona che dice "La parola fa pensare". In questo caso, senza adattamento vocale, Speech-to-Text identifica la parola "fair". Usando l'adattamento vocale Speech-to-Text può invece identificare la parola "fare".
Prima di iniziare
- Accedi al tuo account Google Cloud. Se non conosci Google Cloud, crea un account per valutare le prestazioni dei nostri prodotti in scenari reali. I nuovi clienti ricevono anche 300 $di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.
-
Nella pagina del selettore di progetti della console Google Cloud, seleziona o crea un progetto Google Cloud.
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
Abilita le API Speech-to-Text.
-
Assicurati di disporre dei seguenti ruoli nel progetto: Cloud Speech Administrator
Verifica i ruoli
-
Nella console Google Cloud, vai alla pagina IAM.
Vai a IAM - Seleziona il progetto.
-
Nella colonna Entità, individua la riga contenente il tuo indirizzo email.
Se il tuo indirizzo email non è in questa colonna, significa che non disponi di alcun ruolo.
- Nella colonna Ruolo per la riga contenente il tuo indirizzo email, controlla se l'elenco dei ruoli include quelli richiesti.
Concedi i ruoli
-
Nella console Google Cloud, vai alla pagina IAM.
Vai a IAM - Seleziona il progetto.
- Fai clic su Concedi l'accesso.
- Nel campo Nuove entità, inserisci il tuo indirizzo email.
- Nell'elenco Seleziona un ruolo, scegli un ruolo.
- Per concedere altri ruoli, fai clic su Aggiungi un altro ruolo e aggiungi ciascun ruolo aggiuntivo.
- Fai clic su Salva.
-
- Installa Google Cloud CLI.
-
Per initialize gcloud CLI, esegui questo comando:
gcloud init
-
Nella pagina del selettore di progetti della console Google Cloud, seleziona o crea un progetto Google Cloud.
-
Assicurati che la fatturazione sia attivata per il tuo progetto Google Cloud.
-
Abilita le API Speech-to-Text.
-
Assicurati di disporre dei seguenti ruoli nel progetto: Cloud Speech Administrator
Verifica i ruoli
-
Nella console Google Cloud, vai alla pagina IAM.
Vai a IAM - Seleziona il progetto.
-
Nella colonna Entità, individua la riga contenente il tuo indirizzo email.
Se il tuo indirizzo email non è in questa colonna, significa che non disponi di alcun ruolo.
- Nella colonna Ruolo per la riga contenente il tuo indirizzo email, controlla se l'elenco dei ruoli include quelli richiesti.
Concedi i ruoli
-
Nella console Google Cloud, vai alla pagina IAM.
Vai a IAM - Seleziona il progetto.
- Fai clic su Concedi l'accesso.
- Nel campo Nuove entità, inserisci il tuo indirizzo email.
- Nell'elenco Seleziona un ruolo, scegli un ruolo.
- Per concedere altri ruoli, fai clic su Aggiungi un altro ruolo e aggiungi ciascun ruolo aggiuntivo.
- Fai clic su Salva.
-
- Installa Google Cloud CLI.
-
Per initialize gcloud CLI, esegui questo comando:
gcloud init
-
Crea credenziali di autenticazione locali per il tuo Account Google:
gcloud auth application-default login
Le librerie client possono utilizzare le credenziali predefinite dell'applicazione per autenticarsi facilmente con le API di Google e inviare richieste a queste API. Con Credenziali predefinite dell'applicazione, puoi testare l'applicazione in locale ed eseguirne il deployment senza modificare il codice sottostante. Per ulteriori informazioni, consulta <atrack-type="common generate" l10n-attrs-original-order="href,track-type,track-name" l10n-encrypted-href="WDE63JFVMK0YqIWBqG8nCycgwkRfOeEqRvzYs1N+2tJUEhcZvE5WLink-reference for AuthenticatehcZvE5WLink-reference for Authenticate
Assicurati inoltre di aver installato la libreria client.
Migliora la trascrizione usando un PhraseSet
- L'esempio seguente crea un elemento
PhraseSet
con la frase "fare" e la aggiunge comeinline_phrase_set
in una richiesta di riconoscimento:
Python
- In questo esempio viene creata una risorsa
PhraseSet
con la stessa frase e poi viene fatto riferimento in una richiesta di riconoscimento:
Python
Migliora i risultati della trascrizione usando un CustomClass
- L'esempio seguente crea un elemento
CustomClass
con un articolo "fare" e il nome "fare". Quindi fa riferimento aCustomClass
all'interno di uninline_phrase_set
in una richiesta di riconoscimento:
Python
- In questo esempio viene creata una risorsa
CustomClass
con lo stesso elemento. Crea quindi una risorsaPhraseSet
con una frase che fa riferimento al nome della risorsaCustomClass
. Quindi fa riferimento alla risorsaPhraseSet
in una richiesta di riconoscimento:
Python
Esegui la pulizia
Per evitare che al tuo account Google Cloud vengano addebitati costi relativi alle risorse utilizzate in questa pagina, segui questi passaggi.
-
Facoltativo: revoca le credenziali di autenticazione che hai creato ed elimina il file delle credenziali locale.
gcloud auth application-default revoke
-
Facoltativo: revoca le credenziali dallgcloud CLI.
gcloud auth revoke
Console
gcloud
Elimina un progetto Google Cloud:
gcloud projects delete PROJECT_ID
Passaggi successivi
- Consulta l'elenco dei token delle classi supportati.
- Esercitati a trascrivere file audio brevi.
- Scopri come trascrivere audio in streaming.
- Scopri come trascrivere file audio lunghi.