RecognitionConfig

인식기에 요청 처리 방식을 지정하는 정보를 제공합니다.

JSON 표현 
{
  "encoding": enum (AudioEncoding),
  "sampleRateHertz": integer,
  "audioChannelCount": integer,
  "enableSeparateRecognitionPerChannel": boolean,
  "languageCode": string,
  "alternativeLanguageCodes": [
    string
  ],
  "maxAlternatives": integer,
  "profanityFilter": boolean,
  "adaptation": {
    object (SpeechAdaptation)
  },
  "transcriptNormalization": {
    object (TranscriptNormalization)
  },
  "speechContexts": [
    {
      object (SpeechContext)
    }
  ],
  "enableWordTimeOffsets": boolean,
  "enableWordConfidence": boolean,
  "enableAutomaticPunctuation": boolean,
  "enableSpokenPunctuation": boolean,
  "enableSpokenEmojis": boolean,
  "enableSpeakerDiarization": boolean,
  "diarizationSpeakerCount": integer,
  "diarizationConfig": {
    object (SpeakerDiarizationConfig)
  },
  "metadata": {
    object (RecognitionMetadata)
  },
  "model": string,
  "useEnhanced": boolean
}
필드
encoding

enum (AudioEncoding)

모든 RecognitionAudio 메시지에서 전송된 오디오 데이터 인코딩 이 필드는 FLAC 및 WAV 오디오 파일에는 선택사항이고 다른 모든 오디오 형식에는 필수입니다. 자세한 내용은 AudioEncoding을 참조하세요.
sampleRateHertz

integer

모든 RecognitionAudio 메시지에서 전송된 오디오 데이터의 샘플링 레이트(Hz)입니다. 유효한 값은 8,000~48,000이며 최적값은 16,000입니다. 최상의 결과를 얻으려면 오디오 소스의 샘플링 레이트를 16,000Hz로 설정하세요. 이 설정이 불가능하다면 다시 샘플링하지 말고 오디오 소스의 기본 샘플링 레이트를 사용하면 됩니다. 이 필드는 FLAC 및 WAV 오디오 파일에는 선택사항이지만 다른 모든 오디오 형식에는 필수입니다. 자세한 내용은 AudioEncoding를 참고하세요.
audioChannelCount

integer

입력 오디오 데이터의 채널 수입니다. MULTI-CHANNEL 인식에만 이 값을 설정합니다. LINEAR16, OGG_OPUS, FLAC의 유효한 값은 1~8입니다. MULAW, AMR, AMR_WB, SPEEX_WITH_HEADER_BYTE의 유효한 값은 1뿐입니다. 0이거나 생략된 경우 기본값은 단일 채널(모노)입니다. 참고: 기본적으로 첫 번째 채널만 인식됩니다. 각 채널에서 독립적인 인식을 수행하려면 enableSeparateRecognitionPerChannel을 'true'로 설정합니다.
enableSeparateRecognitionPerChannel

boolean

각 채널을 별도로 인식하려면 이 값을 명시적으로 true로 설정해야 하고 audioChannelCount > 1이어야 합니다. 인식 결과에는 결과가 속한 채널을 나타내는 channelTag 필드가 포함됩니다. true가 아니면 첫 번째 채널만 인식됩니다. 요청은 인식된 모든 채널에 대해 누적 방식으로 청구됩니다(audioChannelCount에 오디오 길이를 곱함).
languageCode

string

필수 항목입니다. 제공된 오디오의 언어로서 BCP-47 언어 태그입니다. 'en-US'를 예로 들 수 있습니다. 현재 지원되는 언어 코드 목록은 언어 지원을 참조하세요.
alternativeLanguageCodes[]

string

최대 3개의 추가 BCP-47 언어 태그 목록으로, 제공된 오디오의 가능한 대체 언어를 나열합니다. 현재 지원되는 언어 코드 목록은 언어 지원을 참조하세요. 대체 언어가 나열되면 인식 결과에 기본 languageCode를 포함하여 감지된 가장 가능성이 큰 언어 인식이 포함됩니다. 인식 결과에는 오디오에서 감지된 언어의 언어 태그가 포함됩니다. 참고: 이 기능은 음성 명령 및 음성 검색 사용 사례에만 지원되며 다른 사용 사례(예: 전화 통화 텍스트 변환)에서는 성능이 다를 수 있습니다.
maxAlternatives

integer

반환되는 인식 가설의 최대 수입니다. 구체적으로 각 SpeechRecognitionResult 내의 최대 SpeechRecognitionAlternative 메시지 수입니다. 서버는 maxAlternatives보다 적은 수를 반환할 수 있습니다. 유효한 값은 0~30입니다. 0 또는 1 값을 사용하면 최대 1개가 반환됩니다. 생략하면 최대 1개가 반환됩니다.
profanityFilter

boolean

true로 설정하면 서버가 비속어를 필터링하려고 시도하며, 필터링된 각 단어에서 첫 번째 문자를 제외한 모든 문자를 별표로 바꿉니다(예: 'f***'). false로 설정하거나 생략하면 욕설이 필터링되지 않습니다.
adaptation

object (SpeechAdaptation)

음성 적응 구성은 음성 인식의 정확도를 향상시킵니다. 자세한 내용은 음성 적응 문서를 참고하세요. 음성 적응이 설정되면 speechContexts 필드가 대체됩니다.
transcriptNormalization

object (TranscriptNormalization)

(선택사항) 스크립트 작성 정규화를 사용하여 스크립트의 일부를 선택한 구문으로 자동으로 바꿉니다. StreamingRecognize의 경우 이 정규화는 안정적인 부분 스크립트(안정성 > 0.8)와 최종 스크립트에만 적용됩니다.
speechContexts[]

object (SpeechContext)

SpeechContext 배열입니다. 음성 인식을 지원하는 컨텍스트를 제공하는 수단입니다. 자세한 내용은 음성 적응을 참고하세요.
enableWordTimeOffsets

boolean

true인 경우 최상위 결과에 단어 목록과 해당 단어의 시작 및 종료 타임스탬프가 포함됩니다. false인 경우 단어 수준의 시간 타임스탬프 정보가 반환되지 않습니다. 기본값은 false입니다.
enableWordConfidence

boolean

true인 경우 최상위 결과에 단어 목록과 해당 단어의 신뢰도가 포함됩니다. false인 경우 단어 수준의 신뢰도 정보가 반환되지 않습니다. 기본값은 false입니다.
enableAutomaticPunctuation

boolean

'true'인 경우 인식 결과 가설에 구두점이 추가됩니다. 이 기능은 특정 언어에서만 사용할 수 있습니다. 다른 언어에서는 요청에 이 값을 설정해도 효과가 없습니다. 기본값인 'false' 값은 결과 가설에 구두점을 추가하지 않습니다.
enableSpokenPunctuation

boolean

호출의 음성 구두점 동작입니다. 설정되지 않은 경우 선택한 모델에 따라 기본 동작을 사용합니다. 예를 들어 command_and_search는 기본적으로 음성 구두점을 사용 설정합니다. 'true'인 경우 요청에서 음성 구두점을 해당 기호로 바꿉니다. 예를 들어 '안녕하세요 물음표'는 '안녕하세요?'로 바뀝니다. 지원이 필요하면 https://cloud.google.com/speech-to-text/docs/spoken-punctuation를 참고하세요. 'false'인 경우 음성 구두점이 대체되지 않습니다.
enableSpokenEmojis

boolean

호출의 음성 이모티콘 동작입니다. 설정되지 않은 경우 선택한 모델에 따라 기본 동작이 사용됩니다. 'true'인 경우 요청에 음성 이모티콘 형식이 추가됩니다. 최종 스크립트에서는 음성 이모티콘이 해당 유니코드 기호로 바뀝니다. 'false'인 경우 말로 표현된 그림 이모티콘이 대체되지 않습니다.
enableSpeakerDiarization
(deprecated)

boolean

'true'인 경우 WordInfo에 제공된 speakerLabel을 사용하여 인식 결과의 상위 대체 항목에 있는 인식된 각 단어에 대해 화자 감지를 사용 설정합니다. 참고: 대신 diarizationConfig를 사용하세요.
diarizationSpeakerCount
(deprecated)

integer

설정된 경우 대화의 예상 화자 수를 지정합니다. 기본값은 '2'입니다. enableSpeakerDiarization이 true로 설정되지 않으면 무시됩니다. 참고: 대신 diarizationConfig를 사용하세요.
diarizationConfig

object (SpeakerDiarizationConfig)

애플리케이션에 더 적합하게 분할하기 위해 화자 분할을 사용 설정하고 추가 파라미터를 설정하는 구성입니다. 참고: 이 구성이 사용 설정되면 모든 연속 스트리밍 응답에서 최상위 대안의 오디오 시작부터 모든 단어를 전송합니다. 그 이유는 시간이 지남에 따라 모델이 대화에서 화자를 구별하는 방법을 학습하므로 화자 태그를 개선하기 위함입니다. 스트리밍이 아닌 요청의 경우 최종 SpeechRecognitionResult의 최상위 대안에만 분할 결과가 제공됩니다.
metadata

object (RecognitionMetadata)

이 요청에 관한 메타데이터입니다.
model

string

특정 요청에 선택할 수 있는 모델입니다. 최상의 결과를 얻으려면 도메인에 가장 적합한 모델을 선택합니다. 모델을 명시적으로 지정하지 않으면 RecognitionConfig의 매개변수를 기반으로 모델을 자동 선택합니다.

모델 설명

latest_long

 미디어나 대화와 같은 긴 형식 콘텐츠에 가장 적합합니다.

latest_short

 명령어 또는 단일 샷 지시 음성과 같은 짧은 형식 콘텐츠에 가장 적합합니다.

command_and_search

 음성 명령이나 음성 검색과 같은 짧은 쿼리에 가장 적합합니다.

phone_call

 전화 통화에서 나온 오디오에 가장 적합합니다. 대개 8kHz의 샘플링 레이트로 녹음된 통화를 사용합니다.

video

 동영상 오디오나 여러 화자가 있는 오디오에 가장 적합합니다. 16kHz 이상의 샘플링 레이트로 녹음된 오디오가 좋습니다. 표준 요금보다 비싼 프리미엄 모델입니다.

default

 특정 오디오 모델이 아닌 오디오에 가장 적합합니다. 예를 들어 긴 오디오가 여기에 포함됩니다. Hi-Fi이고 16kHz 이상의 샘플링 레이트로 녹음된 오디오가 좋습니다.

medical_conversation

 의료인과 환자 간의 대화에서 나온 오디오에 가장 적합합니다.

medical_dictation

 의료 서비스 제공자가 음성기록한 메모에서 나온 오디오에 가장 적합합니다.

useEnhanced

boolean

음성 인식에 고급 모델을 사용하려면 true로 설정합니다. useEnhanced가 true로 설정되고 model 필드가 설정되지 않은 경우 오디오에 고급 모델이 있으면 적절한 고급 모델이 선택됩니다.

useEnhanced이 true이고 지정된 모델의 고급 버전이 없는 경우 지정된 모델의 표준 버전을 사용하여 음성을 인식합니다.

AudioEncoding

요청에서 전송한 오디오 데이터의 인코딩입니다.

audioChannelCount 및 enableSeparateRecognitionPerChannel 필드가 설정되지 않은 경우 모든 인코딩은 단일 채널 (모노) 오디오만 지원합니다.

최상의 결과를 얻으려면 오디오 소스를 무손실 인코딩(FLAC 또는 LINEAR16)으로 캡처하고 전송해야 합니다. 특히 주변 소음이 있는 경우 손실 코덱을 사용하여 오디오를 캡처하거나 전송하는 경우 음성 인식의 정확도가 떨어질 수 있습니다. 손실 코덱에는 MULAW, AMR, AMR_WB, OGG_OPUS, SPEEX_WITH_HEADER_BYTE, MP3, WEBM_OPUS 등이 있습니다.

FLAC 및 WAV 오디오 파일 형식에는 포함된 오디오 콘텐츠를 설명하는 헤더가 포함됩니다. LINEAR16 또는 MULAW 인코딩 오디오가 포함된 WAV 파일에 대한 인식을 요청할 수 있습니다. 요청에 FLAC 또는 WAV 오디오 파일 형식을 전송하는 경우 AudioEncoding를 지정할 필요가 없습니다. 오디오 인코딩 형식은 파일 헤더에서 결정됩니다. FLAC 또는 WAV 오디오를 보낼 때 AudioEncoding을 지정하는 경우 인코딩 구성은 오디오 헤더에 설명된 인코딩과 일치해야 합니다. 그렇지 않으면 요청은 google.rpc.Code.INVALID_ARGUMENT 오류 코드를 반환합니다.

열거형
ENCODING_UNSPECIFIED 지정되지 않음
LINEAR16 압축되지 않은 16비트 부호 Little Endian 샘플(리니어 PCM)입니다.
FLAC FLAC(무료 무손실 오디오 코덱)은 손실이 발생하지 않아 인식 성능이 저하되지 않고 필요한 대역폭이 LINEAR16의 약 절반에 불과하므로 이 인코딩이 권장됩니다. FLAC 스트림 인코딩은 16비트와 24비트 샘플을 지원하지만 STREAMINFO의 모든 필드가 지원되지는 않습니다.
MULAW G.711 PCMU/mu-law를 사용하여 14비트 오디오 샘플을 압축하는 8비트 샘플입니다.
AMR 적응형 다중 속도 협대역 코덱입니다. sampleRateHertz는 8,000이어야 합니다.
AMR_WB 적응형 다중 속도 광대역 코덱입니다. sampleRateHertz는 16,000이어야 합니다.
OGG_OPUS Ogg 컨테이너의 Opus 인코딩 오디오 프레임(OggOpus)입니다. sampleRateHertz는 8,000, 12,000, 16,000, 24,000, 48,000 중 하나여야 합니다.
SPEEX_WITH_HEADER_BYTE 손실이 발생한 인코딩을 사용하지 않는 것이 좋습니다만, 매우 낮은 비트 전송률 인코딩이 필요한 경우 Speex 인코딩보다 OGG_OPUS를 사용하는 것이 좋습니다. Cloud Speech API에서 지원하는 Speex 인코딩에는 MIME 유형 audio/x-speex-with-header-byte의 경우와 같이 각 블록에 헤더 바이트가 있습니다. 이는 RFC 5574에 정의된 RTP Speex 인코딩의 변이입니다. 스트림은 RTP 패킷당 하나의 블록으로 연속된 블록입니다. 각 블록은 블록 길이가 바이트 단위로 포함된 바이트로 시작되며 RFC 5574에 지정된 정수 바이트 수(옥텟)로 패딩된 하나 이상의 Speex 데이터 프레임이 뒤따릅니다. 즉, 각 RTP 헤더는 블록 길이를 포함하는 단일 바이트로 바뀝니다. Speex 광대역만 지원되며, sampleRateHertz는 16,000이어야 합니다.
MP3 MP3 오디오. MP3 인코딩은 베타 기능이며 v1p1beta1에서만 사용할 수 있습니다. 32~320kbps 범위의 모든 표준 MP3 비트 전송률을 지원합니다. 이 인코딩을 사용할 때 sampleRateHertz는 사용 중인 파일의 샘플링 레이트와 일치해야 합니다.
WEBM_OPUS WebM 컨테이너의 Opus 인코딩 오디오 프레임입니다 (WebM). sampleRateHertz는 8000, 12000, 16000, 24000, 48000 중 하나여야 합니다.
ALAW G.711 PCMU/a-law를 사용하여 13비트 오디오 샘플을 압축하는 8비트 샘플입니다.

SpeechAdaptation

음성 적응 구성입니다.

JSON 표현 
{
  "phraseSets": [
    {
      object (PhraseSet)
    }
  ],
  "phraseSetReferences": [
    string
  ],
  "customClasses": [
    {
      object (CustomClass)
    }
  ],
  "abnfGrammar": {
    object (ABNFGrammar)
  }
}
필드
phraseSets[]

object (PhraseSet)

구문 세트의 모음입니다. 힌트를 인라인으로 지정하려면 문구 세트의 name를 비워 두고 나머지 필드를 작성합니다. 모든 구문 집합은 모든 맞춤 클래스를 사용할 수 있습니다.
phraseSetReferences[]

string

사용할 구문 세트 리소스 이름의 컬렉션입니다.
customClasses[]

object (CustomClass)

맞춤 클래스의 컬렉션입니다. 클래스를 인라인으로 지정하려면 클래스의 name를 비워 두고 나머지 필드를 작성하여 고유한 customClassId를 부여합니다. customClassId로 구문 힌트에서 인라인 정의된 클래스를 참조합니다.
abnfGrammar

object (ABNFGrammar)

증강된 Backus-Naur 형식 (ABNF)은 일련의 파생 규칙으로 구성된 표준화된 문법 표기법입니다. 사양은 https://www.w3.org/TR/speech-grammar를 참고하세요.

ABNFGrammar

JSON 표현 
{
  "abnfStrings": [
    string
  ]
}
필드
abnfStrings[]

string

연결되는 여러 문자열로 분할된 ABNF 문법의 모든 선언과 규칙입니다.

TranscriptNormalization

스크립트 작성 정규화 구성입니다. 스크립트 작성 정규화를 사용하여 스크립트의 일부를 선택한 구문으로 자동으로 바꿉니다. StreamingRecognize의 경우 이 정규화는 안정적인 부분 스크립트(안정성 > 0.8)와 최종 스크립트에만 적용됩니다.

JSON 표현 
{
  "entries": [
    {
      object (Entry)
    }
  ]
}
필드
entries[]

object (Entry)

대체 항목 목록입니다. 한 번에 하나의 항목으로 교체됩니다. 예를 들어 ["cat" => "dog", "mountain cat" => "mountain dog"] 의 두 번째 항목은 항상 첫 번째 항목이 먼저 처리되기 때문에 적용되지 않습니다. 최대 100개 항목.

항목

단일 대체 구성.

JSON 표현 
{
  "search": string,
  "replace": string,
  "caseSensitive": boolean
}
필드
search

string

교체할 대상. 최대 길이는 100자(영문 기준)입니다.
replace

string

무엇으로 바꿀지. 최대 길이는 100자(영문 기준)입니다.
caseSensitive

boolean

검색 시 대소문자를 구분하는지 여부입니다.

SpeechContext

결과에서 특정 단어나 구문을 우선시하도록 음성 인식기에 '힌트'를 제공합니다.

JSON 표현 
{
  "phrases": [
    string
  ],
  "boost": number
}
필드
phrases[]

string

음성 인식에서 인식할 수 있도록 단어 및 구문 '힌트'가 포함된 문자열 목록입니다. 예를 들어 사용자가 특정 명령을 자주 사용하는 경우 해당 단어와 구문의 정확성을 높이는 데 사용할 수 있습니다. 인식기의 어휘에 단어를 추가하는 데 사용할 수도 있습니다. 사용량 한도를 참조하세요.

목록 항목은 자연어에서 발생하는 일반적인 개념을 나타내는 단어 그룹의 클래스로 설정할 수도 있습니다. 예를 들어 연중 각 월에 대한 구문 힌트를 제공하는 대신 $MONTH 클래스를 사용하면 월이 포함된 오디오를 올바르게 변환할 가능성이 높아집니다.
boost

number

힌트 부스트. 양수 값을 사용하면 특정 구문이 발음이 유사한 다른 구문보다 인식될 가능성이 높아집니다. 부스트가 높을수록 거짓양성을 인식할 가능성도 높아집니다. 음수 부스트 값은 편향 방지에 해당합니다. 편향 방지가 사용 설정되어 있지 않으므로 음수 부스트는 무시됩니다. boost는 다양한 양수 값을 허용하지만 대부분의 사용 사례에서는 0~20 사이의 값을 사용하는 것이 가장 좋습니다. 바이너리 검색 방식을 사용하여 사용 사례의 최적값을 찾는 것이 좋습니다.

SpeakerDiarizationConfig

화자 분할을 사용 설정하는 구성입니다.

JSON 표현 
{
  "enableSpeakerDiarization": boolean,
  "minSpeakerCount": integer,
  "maxSpeakerCount": integer,
  "speakerTag": integer
}
필드
enableSpeakerDiarization

boolean

'true'인 경우 WordInfo에 제공된 speakerLabel을 사용하여 인식 결과의 상위 대체 항목에 있는 인식된 각 단어에 대해 화자 감지를 사용 설정합니다.
minSpeakerCount

integer

대화의 최소 화자 수입니다. 범위를 지정하면 시스템에서 올바른 화자 수를 자동으로 확인할 수 있어 유연성이 늘어납니다. 설정하지 않으면 기본값은 2입니다.
maxSpeakerCount

integer

대화의 최대 화자 수입니다. 범위를 지정하면 시스템에서 올바른 화자 수를 자동으로 확인할 수 있어 유연성이 늘어납니다. 설정하지 않으면 기본값은 6입니다.
speakerTag
(deprecated)

integer

출력 전용입니다. 사용되지 않습니다.

RecognitionMetadata

인식할 오디오 데이터에 대한 설명입니다.

JSON 표현 
{
  "interactionType": enum (InteractionType),
  "industryNaicsCodeOfAudio": integer,
  "microphoneDistance": enum (MicrophoneDistance),
  "originalMediaType": enum (OriginalMediaType),
  "recordingDeviceType": enum (RecordingDeviceType),
  "recordingDeviceName": string,
  "originalMimeType": string,
  "obfuscatedId": string,
  "audioTopic": string
}
필드
interactionType

enum (InteractionType)

인식할 오디오 콘텐츠를 가장 잘 설명하는 사용 사례입니다.
industryNaicsCodeOfAudio

integer (uint32 format)

이 음성 인식 요청이 가장 잘 적용되는 업종 카테고리입니다. 오디오에 포함된 주제를 가장 잘 나타냅니다. 6자리 NAICS 코드를 사용하여 업종 카테고리를 식별합니다. https://www.naics.com/search/를 참조하세요.
microphoneDistance

enum (MicrophoneDistance)

인식되는 오디오를 가장 잘 설명하는 오디오 유형입니다.
originalMediaType

enum (OriginalMediaType)

음성이 녹음된 원본 미디어입니다.
recordingDeviceType

enum (RecordingDeviceType)

음성을 녹음한 기기의 유형입니다.
recordingDeviceName

string

녹음에 사용된 기기입니다. 'Nexus 5X', 'Polycom SoundStation IP 6000', 'POTS', 'VoIP', 'Cardioid Microphone' 등을 예로 들 수 있습니다.
originalMimeType

string

원본 오디오 파일의 Mime 유형입니다. 예를 들면 audio/m4a, audio/x-alaw-basic, audio/mp3, audio/3gpp입니다. 가능한 오디오 MIME 유형 목록은 http://www.iana.org/assignments/media-types/media-types.xhtml#audio에서 유지관리됩니다.
obfuscatedId
(deprecated)

string (int64 format)

서비스를 사용하는 고유 사용자의 번호를 식별하는 난독화(개인정보 보호)된 사용자 ID입니다.
audioTopic

string

콘텐츠에 대한 설명입니다. 예: '2012년 연방 대법원 청문회 녹음 파일'

InteractionType

오디오 인식 요청을 설명할 수 있는 사용 사례 카테고리입니다.

열거형
INTERACTION_TYPE_UNSPECIFIED 사용 사례를 알 수 없거나 아래의 다른 값 중 어느 것에도 해당하지 않습니다.
DISCUSSION 여러 사람이 대화 또는 토론에 참여하고 있습니다. 한 예로 두 명 이상이 적극적으로 참여하고 있는 회의를 들 수 있습니다. 일반적으로 말하는 모든 주요 화자가 같은 장소에 있을 것입니다. 그렇지 않은 경우 PHONE_CALL을 참조하세요.
PRESENTATION 한 명 이상의 사람이 다른 사람들에게 강의 또는 발표를 하며, 다른 사람이 거의 끼어들지 않습니다.
PHONE_CALL 같은 장소에 있지 않은 두 명 이상의 사람들이 전화 통화 또는 화상회의에 참석하여 말하고 있습니다.
VOICEMAIL 다른 사람에게 들려주고자 녹음된 메시지입니다.
PROFESSIONALLY_PRODUCED 전문적으로 제작된 오디오입니다(예: TV 프로그램, 팟캐스트).
VOICE_COMMAND 기기 제어와 같은 음성 명령을 텍스트로 변환합니다.
DICTATION 음성을 텍스트로 변환하여 SMS, 이메일, 보고서 등의 문서를 만듭니다.

MicrophoneDistance

오디오 파일을 설명하는 녹음 설정 유형을 열거합니다.

열거형
MICROPHONE_DISTANCE_UNSPECIFIED 오디오 유형을 알 수 없습니다.
NEARFIELD 가까운 위치의 마이크에서 녹음된 오디오입니다. 전화, 딕터폰, 휴대용 마이크 등을 예로 들 수 있습니다. 일반적으로 화자가 마이크에서 1미터 이내에 있는 경우입니다.
MIDFIELD 화자가 마이크에서 3미터 이내에 있는 경우입니다.
FARFIELD 화자가 마이크에서 3미터 이상 떨어져 있는 경우입니다.

OriginalMediaType

음성이 녹음된 원본 미디어입니다.

열거형
ORIGINAL_MEDIA_TYPE_UNSPECIFIED 알 수 없는 원본 미디어 유형입니다.
AUDIO 오디오 녹음 음성 데이터입니다.
VIDEO 원래 동영상에 녹음된 음성 데이터입니다.

RecordingDeviceType

음성을 녹음한 기기의 유형입니다.

열거형
RECORDING_DEVICE_TYPE_UNSPECIFIED 녹음 기기를 알 수 없습니다.
SMARTPHONE 음성이 스마트폰에서 녹음되었습니다.
PC 음성이 개인용 컴퓨터 또는 태블릿을 사용하여 녹음되었습니다.
PHONE_LINE 음성이 유선 전화를 통해 녹음되었습니다.
VEHICLE 음성이 차량에서 녹음되었습니다.
OTHER_OUTDOOR_DEVICE 음성이 실외에서 녹음되었습니다.
OTHER_INDOOR_DEVICE 음성이 실내에서 녹음되었습니다.