Index
Adaptation(interface)Speech(interface)CreateCustomClassRequest(message)CreatePhraseSetRequest(message)CustomClass(message)CustomClass.ClassItem(message)CustomClass.State(enum)DeleteCustomClassRequest(message)DeletePhraseSetRequest(message)GetCustomClassRequest(message)GetPhraseSetRequest(message)ListCustomClassesRequest(message)ListCustomClassesResponse(message)ListPhraseSetRequest(message)ListPhraseSetResponse(message)LongRunningRecognizeMetadata(message)LongRunningRecognizeRequest(message)LongRunningRecognizeResponse(message)PhraseSet(message)PhraseSet.Phrase(message)PhraseSet.State(enum)RecognitionAudio(message)RecognitionConfig(message)RecognitionConfig.AudioEncoding(enum)RecognitionMetadata(message) (obsolète)RecognitionMetadata.InteractionType(enum)RecognitionMetadata.MicrophoneDistance(enum)RecognitionMetadata.OriginalMediaType(enum)RecognitionMetadata.RecordingDeviceType(enum)RecognizeRequest(message)RecognizeResponse(message)SpeakerDiarizationConfig(message)SpeechAdaptation(message)SpeechAdaptation.ABNFGrammar(message)SpeechAdaptationInfo(message)SpeechContext(message)SpeechRecognitionAlternative(message)SpeechRecognitionResult(message)StreamingRecognitionConfig(message)StreamingRecognitionConfig.VoiceActivityTimeout(message)StreamingRecognitionResult(message)StreamingRecognizeRequest(message)StreamingRecognizeResponse(message)StreamingRecognizeResponse.SpeechEventType(enum)TranscriptNormalization(message)TranscriptNormalization.Entry(message)TranscriptOutputConfig(message)UpdateCustomClassRequest(message)UpdatePhraseSetRequest(message)WordInfo(message)
Adaptation
Service qui met en œuvre l'API Google Cloud Speech Adaptation.
| CreateCustomClass |
|---|
|
Créez une classe personnalisée.
|
| CreatePhraseSet |
|---|
|
Créez un ensemble d'indices de phrases. Chaque élément de l'ensemble peut être un mot ou une expression composée de plusieurs mots. Les éléments du PhraseSet sont privilégiés par le modèle de reconnaissance lorsque vous envoyez un appel qui inclut le PhraseSet.
|
| DeleteCustomClass |
|---|
|
supprimer une classe personnalisée ;
|
| DeletePhraseSet |
|---|
|
Supprimer un ensemble de phrases
|
| GetCustomClass |
|---|
|
Obtenez une classe personnalisée.
|
| GetPhraseSet |
|---|
|
Obtenez un ensemble de phrases.
|
| ListCustomClasses |
|---|
|
Répertorie les classes personnalisées.
|
| ListPhraseSet |
|---|
|
Lister les ensembles de phrases.
|
| UpdateCustomClass |
|---|
|
Mettez à jour une classe personnalisée.
|
| UpdatePhraseSet |
|---|
|
Mettez à jour un ensemble de phrases.
|
Voix
Service qui met en œuvre l'API Google Cloud Speech.
| LongRunningRecognize |
|---|
|
Effectue une reconnaissance vocale asynchrone : recevez les résultats dans l'interface google.longrunning.Operations. Renvoie un objet
|
| Reconnaissance |
|---|
|
Effectue une reconnaissance vocale synchrone : recevez les résultats après que toutes les données audio ont été envoyées et traitées.
|
| StreamingRecognize |
|---|
|
Effectue une reconnaissance vocale en continu bidirectionnelle : recevez les résultats tout en envoyant les données audio. Cette méthode n'est disponible que via l'API gRPC (non REST).
|
CreateCustomClassRequest
Message envoyé par le client pour la méthode CreateCustomClass.
| Champs | |
|---|---|
parent |
Obligatoire. Ressource parente dans laquelle cette classe personnalisée sera créée. Format :
Speech-to-Text est compatible avec trois régions : L'autorisation IAM suivante est requise pour la ressource
|
custom_class_id |
Obligatoire. ID à utiliser pour la classe personnalisée, qui constituera le composant final du nom de ressource de la classe personnalisée. Cette valeur doit être limitée aux lettres, aux chiffres et aux traits d'union. Le premier caractère doit être une lettre et le dernier, une lettre ou un chiffre. Elle doit comporter entre 4 et 63 caractères. |
custom_class |
Obligatoire. Classe personnalisée à créer. |
CreatePhraseSetRequest
Message envoyé par le client pour la méthode CreatePhraseSet.
| Champs | |
|---|---|
parent |
Obligatoire. Ressource parente dans laquelle cet ensemble de phrases sera créé. Format :
Speech-to-Text est compatible avec trois régions : L'autorisation IAM suivante est requise pour la ressource
|
phrase_set_id |
Obligatoire. ID à utiliser pour l'ensemble de phrases, qui constituera le composant final du nom de ressource de l'ensemble de phrases. Cette valeur doit être limitée aux lettres, aux chiffres et aux traits d'union. Le premier caractère doit être une lettre et le dernier, une lettre ou un chiffre. Elle doit comporter entre 4 et 63 caractères. |
phrase_set |
Obligatoire. Ensemble de phrases à créer. |
CustomClass
Ensemble de mots ou d'expressions représentant un concept commun susceptible d'apparaître dans votre contenu audio, par exemple une liste de noms de navires à passagers. Les éléments CustomClass peuvent être substitués dans les espaces réservés que vous définissez dans les expressions PhraseSet.
| Champs | |
|---|---|
name |
Nom de ressource de la classe personnalisée. |
custom_class_id |
Si cette classe personnalisée est une ressource, custom_class_id correspond à l'ID de ressource de la classe personnalisée. Sensible à la casse. |
items[] |
Collection d'éléments de cours. |
kms_key_name |
Uniquement en sortie. Nom de la clé KMS avec laquelle le contenu de ClassItem est chiffré. Le format attendu est |
kms_key_version_name |
Uniquement en sortie. Nom de la version de clé KMS avec laquelle le contenu de ClassItem est chiffré. Le format attendu est |
uid |
Uniquement en sortie. Identifiant unique attribué par le système pour CustomClass. Ce champ n'est pas utilisé. |
display_name |
Uniquement en sortie. Nom lisible et défini par l'utilisateur pour l'objet CustomClass. L'ID ne doit pas contenir plus de 63 caractères Ce champ n'est pas utilisé. |
state |
Uniquement en sortie. État du cycle de vie de l'objet CustomClass. Ce champ n'est pas utilisé. |
delete_time |
Uniquement en sortie. Heure à laquelle la suppression de cette ressource a été demandée. Ce champ n'est pas utilisé. |
expire_time |
Uniquement en sortie. Heure à laquelle cette ressource sera supprimée. Ce champ n'est pas utilisé. |
annotations |
Uniquement en sortie. Permet aux utilisateurs de stocker de petites quantités de données arbitraires. La clé et la valeur ne doivent pas comporter plus de 63 caractères chacune. 100 annotations au maximum. Ce champ n'est pas utilisé. |
etag |
Uniquement en sortie. Cette somme de contrôle est calculée par le serveur en fonction de la valeur des autres champs. Peut être envoyé lors des requêtes de mise à jour, de restauration et de suppression pour s'assurer que le client dispose d'une valeur à jour avant de continuer. Ce champ n'est pas utilisé. |
reconciling |
Uniquement en sortie. Indique si cet objet CustomClass est en cours de mise à jour. Ce champ n'est pas utilisé. |
ClassItem
Élément de la classe.
| Champs | |
|---|---|
value |
Valeur de l'élément de classe. |
État
Ensemble d'états qui définissent le cycle de vie d'un objet CustomClass.
| Enums | |
|---|---|
STATE_UNSPECIFIED |
État non spécifié. Cette valeur n'est utilisée/utile que pour distinguer les valeurs non définies. |
ACTIVE |
État normal et actif. |
DELETED |
Cet objet CustomClass a été supprimé. |
DeleteCustomClassRequest
Message envoyé par le client pour la méthode DeleteCustomClass.
| Champs | |
|---|---|
name |
Obligatoire. Nom de la classe personnalisée à supprimer. Format :
Speech-to-Text est compatible avec trois régions : L'autorisation IAM suivante est requise pour la ressource
|
DeletePhraseSetRequest
Message envoyé par le client pour la méthode DeletePhraseSet.
| Champs | |
|---|---|
name |
Obligatoire. Nom de l'ensemble de phrases à supprimer. Format :
L'autorisation IAM suivante est requise pour la ressource
|
GetCustomClassRequest
Message envoyé par le client pour la méthode GetCustomClass.
| Champs | |
|---|---|
name |
Obligatoire. Nom de la classe personnalisée à récupérer. Format :
L'autorisation IAM suivante est requise pour la ressource
|
GetPhraseSetRequest
Message envoyé par le client pour la méthode GetPhraseSet.
| Champs | |
|---|---|
name |
Obligatoire. Nom de l'ensemble de phrases à récupérer. Format :
Speech-to-Text est compatible avec trois régions : L'autorisation IAM suivante est requise pour la ressource
|
ListCustomClassesRequest
Message envoyé par le client pour la méthode ListCustomClasses.
| Champs | |
|---|---|
parent |
Obligatoire. Parent qui possède cette collection de classes personnalisées. Format :
Speech-to-Text est compatible avec trois régions : L'autorisation IAM suivante est requise pour la ressource
|
page_size |
Nombre maximal de classes personnalisées à renvoyer. Le service peut renvoyer un nombre inférieur à cette valeur. Si aucune valeur n'est spécifiée, 50 classes personnalisées au maximum sont renvoyées. La valeur maximale est 1 000. Les valeurs supérieures sont réduites à 1 000. |
page_token |
Jeton de page reçu d'un appel Lors de la pagination, tous les autres paramètres fournis à |
ListCustomClassesResponse
Message renvoyé au client par la méthode ListCustomClasses.
| Champs | |
|---|---|
custom_classes[] |
Classes personnalisées. |
next_page_token |
Jeton pouvant être envoyé en tant que |
ListPhraseSetRequest
Message envoyé par le client pour la méthode ListPhraseSet.
| Champs | |
|---|---|
parent |
Obligatoire. Parent qui possède cette collection d'ensembles de phrases. Format :
Speech-to-Text est compatible avec trois régions : L'autorisation IAM suivante est requise pour la ressource
|
page_size |
Nombre maximal d'ensembles d'expressions à renvoyer. Le service peut renvoyer un nombre inférieur à cette valeur. Si aucune valeur n'est spécifiée, 50 ensembles d'expressions au maximum sont renvoyés. La valeur maximale est 1 000. Les valeurs supérieures sont réduites à 1 000. |
page_token |
Jeton de page reçu d'un appel Lors de la pagination, tous les autres paramètres fournis à |
ListPhraseSetResponse
Message renvoyé au client par la méthode ListPhraseSet.
| Champs | |
|---|---|
phrase_sets[] |
Ensemble de phrases. |
next_page_token |
Jeton pouvant être envoyé en tant que |
LongRunningRecognizeMetadata
Décrit la progression d'un appel LongRunningRecognize de longue durée. Elle est incluse dans le champ metadata de l'Operation renvoyée par l'appel GetOperation du service google::longrunning::Operations.
| Champs | |
|---|---|
progress_percent |
Pourcentage approximatif des données audio traitées jusqu'à présent. Une fois les informations entièrement traitées et les résultats disponibles, cette valeur est égale à 100. |
start_time |
Heure de réception de la requête. |
last_update_time |
Heure de la mise à jour de traitement la plus récente. |
uri |
Uniquement en sortie. URI du fichier audio en cours de transcription. Vide si l'audio a été envoyé sous forme de contenu d'octets. |
output_config |
Uniquement en sortie. Copie de TranscriptOutputConfig s'il a été défini dans la requête. |
LongRunningRecognizeRequest
Message de premier niveau envoyé par le client pour la méthode LongRunningRecognize.
| Champs | |
|---|---|
config |
Obligatoire. Fournit à l'outil de reconnaissance des informations qui spécifient comment traiter la requête. |
audio |
Obligatoire. Données audio à reconnaître. |
output_config |
Facultatif. Spécifie une destination facultative pour les résultats de la reconnaissance. |
LongRunningRecognizeResponse
Le seul message renvoyé au client par la méthode LongRunningRecognize. Il fournit le résultat sous la forme de zéro ou davantage de messages séquentiels SpeechRecognitionResult. Elle est incluse dans le champ result.response de l'Operation renvoyée par l'appel GetOperation du service google::longrunning::Operations.
| Champs | |
|---|---|
results[] |
Liste séquentielle des résultats de transcription correspondant à des parties séquentielles de l'audio. |
total_billed_time |
Le cas échéant, secondes audio facturées pour la requête correspondante. |
output_config |
Configuration de sortie d'origine, le cas échéant, dans la requête. |
output_error |
Si la transcription échoue, ce champ contient l'erreur correspondante. |
speech_adaptation_info |
Fournit des informations sur le comportement d'adaptation vocale dans la réponse |
request_id |
ID associé à la requête. Il s'agit d'un identifiant unique propre à la requête en question. |
PhraseSet
Fournit des "indices" à l'outil de reconnaissance vocale pour privilégier certains mots et expressions dans les résultats.
| Champs | |
|---|---|
name |
Nom de ressource de l'ensemble de phrases. |
phrases[] |
Une liste de mots et d'expressions. |
boost |
Boost d'indices Une valeur positive augmentera la probabilité qu'une expression spécifique soit reconnue par rapport à d'autres expressions similaires. Plus le boost est élevé, plus le risque de faux positif est élevé. Les valeurs de boost négatives correspondent à l'anti-biais. L'anti-biais n'est pas activé. Le boost négatif sera donc ignoré. Bien que |
kms_key_name |
Uniquement en sortie. Nom de la clé KMS avec laquelle le contenu de PhraseSet est chiffré. Le format attendu est |
kms_key_version_name |
Uniquement en sortie. Nom de la version de clé KMS avec laquelle le contenu de PhraseSet est chiffré. Le format attendu est |
uid |
Uniquement en sortie. Identifiant unique attribué par le système pour le PhraseSet. Ce champ n'est pas utilisé. |
display_name |
Uniquement en sortie. Nom lisible et défini par l'utilisateur pour l'objet PhraseSet. L'ID ne doit pas contenir plus de 63 caractères Ce champ n'est pas utilisé. |
state |
Uniquement en sortie. État du cycle de vie de l'objet CustomClass. Ce champ n'est pas utilisé. |
delete_time |
Uniquement en sortie. Heure à laquelle la suppression de cette ressource a été demandée. Ce champ n'est pas utilisé. |
expire_time |
Uniquement en sortie. Heure à laquelle cette ressource sera supprimée. Ce champ n'est pas utilisé. |
annotations |
Uniquement en sortie. Permet aux utilisateurs de stocker de petites quantités de données arbitraires. La clé et la valeur ne doivent pas comporter plus de 63 caractères chacune. 100 annotations au maximum. Ce champ n'est pas utilisé. |
etag |
Uniquement en sortie. Cette somme de contrôle est calculée par le serveur en fonction de la valeur des autres champs. Peut être envoyé lors des requêtes de mise à jour, de restauration et de suppression pour s'assurer que le client dispose d'une valeur à jour avant de continuer. Ce champ n'est pas utilisé. |
reconciling |
Uniquement en sortie. Indique si cet objet PhraseSet est en cours de mise à jour. Ce champ n'est pas utilisé. |
Expression
Phrases contenant des mots et des expressions qui fournissent des indications afin que la reconnaissance vocale soit plus susceptible de les reconnaître. Cette liste permet d'améliorer la précision de certains termes et phrases, notamment dans des commandes spécifiques généralement prononcées par l'utilisateur. Elle offre également la possibilité d'ajouter des mots supplémentaires au vocabulaire de l'outil de reconnaissance. Consultez les limites d'utilisation pour en savoir plus.
Les éléments de liste peuvent également inclure des classes prédéfinies ou personnalisées contenant des groupes de mots qui représentent des concepts courants apparaissant dans le langage naturel. Par exemple, plutôt que de fournir un indice de phrase pour chaque mois de l'année (par exemple, "je suis né en janvier", "je suis né en février", etc.), l'utilisation de la classe $MONTH prédéfinie augmente la probabilité de transcrire correctement les contenus audio comprenant des mois (par exemple, "je suis né en $month"). Pour faire référence à des classes prédéfinies, utilisez le symbole de la classe précédé de $ (par exemple, $MONTH). Pour faire référence à des classes personnalisées définies de manière intégrée dans la requête, définissez le custom_class_id de la classe sur une chaîne unique pour toutes les ressources de classe et les classes intégrées. Utilisez ensuite l'ID de la classe entre ${...}, par exemple "${my-months}". Pour faire référence à des ressources de classes personnalisées, utilisez l'ID de la classe entre ${} (par exemple, ${my-months}).
Speech-to-Text est compatible avec trois régions : global, us (Amérique du Nord) et eu (Europe). Si vous appelez le point de terminaison speech.googleapis.com, utilisez l'emplacement global. Pour spécifier une région, utilisez un point de terminaison régional avec une valeur d'emplacement us ou eu correspondante.
| Champs | |
|---|---|
value |
L'expression elle-même. |
boost |
Boost d'indices Remplace l'amélioration définie au niveau de l'ensemble d'expressions. Une valeur positive augmentera la probabilité qu'une expression spécifique soit reconnue par rapport à d'autres expressions similaires. Plus le boost est élevé, plus le risque de faux positif est élevé. Le boosting négatif sera simplement ignoré. Bien que |
État
Ensemble d'états qui définissent le cycle de vie d'un objet CustomClass.
| Enums | |
|---|---|
STATE_UNSPECIFIED |
État non spécifié. Cette valeur n'est utilisée/utile que pour distinguer les valeurs non définies. |
ACTIVE |
État normal et actif. |
DELETED |
Cet objet CustomClass a été supprimé. |
RecognitionAudio
Contient des données audio dans l'encodage spécifié dans RecognitionConfig. Vous devez fournir la valeur content ou uri. Si vous n'en spécifiez aucune ou si vous spécifiez les deux, vous obtenez l'erreur google.rpc.Code.INVALID_ARGUMENT. Consultez la section Limites relatives au contenu.
| Champs | |
|---|---|
Champ d'union audio_source. Correspond à la source audio, qui se présente sous la forme de contenu intégré ou d'un URI Cloud Storage. audio_source ne peut être qu'un des éléments suivants : |
|
content |
Les octets de données audio sont encodés comme spécifié dans |
uri |
URI qui pointe vers un fichier contenant des octets de données audio, comme spécifié dans |
RecognitionConfig
Fournit à l'outil de reconnaissance des informations qui spécifient comment traiter la requête.
| Champs | |||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
encoding |
Encodage des données audio envoyées dans tous les messages |
||||||||||||||||||
sample_rate_hertz |
Taux d'échantillonnage en hertz des données audio envoyées dans tous les messages |
||||||||||||||||||
audio_channel_count |
Nombre de canaux dans les données audio d'entrée. Ne définissez ce champ QUE pour la reconnaissance MULTICANAL. Les valeurs valides pour LINEAR16, OGG_OPUS et FLAC sont comprises entre |
||||||||||||||||||
enable_separate_recognition_per_channel |
Ce champ doit être explicitement défini sur |
||||||||||||||||||
language_code |
Obligatoire. Langue de l'audio fourni en tant que tag de langue BCP-47. Exemple : "en-US". Consultez la section Langues acceptées pour obtenir la liste des codes de langue actuellement compatibles. |
||||||||||||||||||
alternative_language_codes[] |
Liste de 3 tags de langue BCP-47 supplémentaires répertoriant les autres langues possibles de l'audio fourni. Consultez la section Langues acceptées pour obtenir la liste des codes de langue actuellement compatibles. Si d'autres langues sont répertoriées, la reconnaissance renverra un résultat dans la langue la plus probablement détectée, ainsi que le champ language_code principal. Le résultat de la reconnaissance inclura le tag de la langue détectée dans l'audio. Remarque : cette fonctionnalité est uniquement disponible pour les cas d'utilisation de commande vocale et de recherche vocale et les performances peuvent varier pour d'autres cas d'utilisation (par exemple, la transcription d'appels téléphoniques). |
||||||||||||||||||
max_alternatives |
Nombre maximal d'hypothèses de reconnaissance à renvoyer. Plus précisément, le nombre maximal de messages |
||||||||||||||||||
profanity_filter |
Si le champ est défini sur |
||||||||||||||||||
adaptation |
La configuration de l'adaptation vocale améliore la précision de la reconnaissance vocale. Pour en savoir plus, consultez la documentation sur l'adaptation vocale. Lorsque l'adaptation vocale est définie, elle remplace le champ |
||||||||||||||||||
transcript_normalization |
Facultatif. Utilisez la normalisation de la transcription pour remplacer automatiquement des parties de la transcription par les expressions de votre choix. Pour StreamingRecognize, cette normalisation ne s'applique qu'aux transcriptions partielles stables (stabilité > 0,8) et aux transcriptions finales. |
||||||||||||||||||
speech_contexts[] |
Tableau |
||||||||||||||||||
enable_word_time_offsets |
Si la valeur est |
||||||||||||||||||
enable_word_confidence |
Si la valeur est |
||||||||||||||||||
enable_automatic_punctuation |
Si le champ est défini sur "true", ajoute un signe de ponctuation aux hypothèses de résultat de la reconnaissance. Cette fonctionnalité n'est disponible que pour certaines langues. La définition de ce champ pour d'autres langues n'a aucun effet. La valeur "false" par défaut n'ajoute pas de signe de ponctuation aux hypothèses de résultat. |
||||||||||||||||||
enable_spoken_punctuation |
Comportement vis-à-vis de la ponctuation énoncée pour l'appel.Si ce champ n'est pas défini, le comportement par défaut est utilisé en fonction du modèle choisi (par exemple, command_and_search active la ponctuation énoncée par défaut). Si la valeur est "true", la ponctuation énoncée est remplacée par les symboles correspondants dans la requête. Par exemple, "comment allez-vous point d'interrogation" devient "Comment allez-vous ?" Pour obtenir de l'aide, consultez https://cloud.google.com/speech-to-text/docs/spoken-punctuation. Si la valeur est "false", la ponctuation orale n'est pas remplacée. |
||||||||||||||||||
enable_spoken_emojis |
Comportement vis-à-vis des emoji énoncés pour l'appel. Si ce champ n'est pas défini, le comportement par défaut est utilisé en fonction du modèle choisi. Si la valeur est "true", ajoute la mise en forme des emoji énoncés pour la requête. Les emoji énoncés seront remplacés par les symboles Unicode correspondants dans la transcription finale. Si la valeur est "false", les emoji prononcés ne sont pas remplacés. |
||||||||||||||||||
enable_speaker_diarization |
Si le champ est défini sur "true", cela active la détection du locuteur pour chaque mot reconnu dans la première alternative au résultat de la reconnaissance à l'aide d'un speaker_label fourni dans WordInfo. Remarque : Utilisez plutôt diarization_config. |
||||||||||||||||||
diarization_speaker_count |
Si cette option est définie, elle spécifie le nombre estimé de locuteurs dans la conversation. La valeur par défaut est "2". Ignoré, sauf si enable_speaker_diarization est défini sur "true". Remarque : Utilisez plutôt diarization_config. |
||||||||||||||||||
diarization_config |
Configuration pour activer l'identification du locuteur et définir des paramètres supplémentaires pour adapter l'identification à votre application. Remarque : Lorsque cette option est activée, tous les mots du début de l'audio sont envoyés comme première alternative dans chaque réponse STREAMING consécutive. Cela permet d'améliorer nos tags de locuteurs car nos modèles apprennent à identifier les locuteurs dans la conversation au fil du temps. Pour les requêtes non diffusées en continu, les résultats de l'identification ne seront fournis que dans l'alternative supérieure du résultat SpeechRecognitionResult FINAL. |
||||||||||||||||||
metadata |
Métadonnées concernant cette demande. |
||||||||||||||||||
model |
Modèle à sélectionner pour la requête donnée. Sélectionnez le modèle le mieux adapté à votre domaine pour obtenir de meilleurs résultats. Si aucun modèle n'est explicitement spécifié, nous en sélectionnons automatiquement un en fonction des paramètres du champ RecognitionConfig.
|
||||||||||||||||||
use_enhanced |
Définissez sur "true" pour utiliser un modèle amélioré pour la reconnaissance vocale. Si Si |
||||||||||||||||||
AudioEncoding
L'encodage des données audio envoyées dans la requête.
Tous les encodages n'acceptent qu'un seul canal (mono) audio, sauf si les champs audio_channel_count et enable_separate_recognition_per_channel sont définis.
Pour des résultats optimaux, la source audio doit être enregistrée et transmise grâce à un encodage sans perte (FLAC ou LINEAR16). La précision de la reconnaissance vocale peut être réduite si vous enregistrez ou transmettez des données audio à l'aide de codecs induisant une perte, notamment en présence de bruits de fond. Les codecs MULAW, AMR, AMR_WB, OGG_OPUS, SPEEX_WITH_HEADER_BYTE, MP3 et WEBM_OPUS sont des exemples de codecs induisant une perte.
Les fichiers audio FLAC et WAV comprennent un en-tête décrivant le contenu audio inclus. Vous pouvez demander une reconnaissance pour les fichiers WAV qui contiennent des données audio encodées au format LINEAR16 ou MULAW. Si vous envoyez le format de fichier audio FLAC ou WAV dans votre requête, vous n'avez pas besoin de spécifier un AudioEncoding ; le format d'encodage audio est déterminé à partir de l'en-tête du fichier. Si vous spécifiez une valeur AudioEncoding lorsque vous envoyez des données audio FLAC ou WAV, la configuration de codage doit correspondre au codage décrit dans l'en-tête audio. Sinon, la requête renvoie un code d'erreur google.rpc.Code.INVALID_ARGUMENT.
| Enums | |
|---|---|
ENCODING_UNSPECIFIED |
Non spécifié. |
LINEAR16 |
Échantillons little-endian de 16 bits signés et non compressés (LPCM). |
FLAC |
L'encodage FLAC (Free Lossless Audio Codec, codec audio sans perte gratuit) est recommandé du fait de son absence de perte. Ainsi, la reconnaissance n'est pas compromise et ne nécessite qu'environ la moitié de la bande passante par rapport à l'encodage LINEAR16. L'encodage de flux FLAC accepte les échantillons 16 bits et 24 bits. Il n'est toutefois pas compatible avec tous les champs de STREAMINFO. |
MULAW |
Échantillons de 8 bits compressant des échantillons audio 14 bits qui utilisent la norme G.711 PCMU/MULAW. |
AMR |
Codec bande étroite AMR. La valeur sample_rate_hertz doit être de 8 000. |
AMR_WB |
Codec large bande AMR. La valeur sample_rate_hertz doit être de 16 000. |
OGG_OPUS |
Trames audio encodées au format Opus dans un conteneur Ogg (OggOpus). La valeur sample_rate_hertz doit être définie sur 8 000, 12 000, 16 000, 24 000 ou 48 000. |
SPEEX_WITH_HEADER_BYTE |
Bien que l'utilisation d'encodages avec perte ne soit pas recommandée, OGG_OPUS est largement privilégié par rapport à Speex lorsqu'un encodage à très faible débit est requis. L'encodage Speex accepté par l'API Cloud Speech comporte un octet d'en-tête dans chaque bloc, comme dans le type MIME audio/x-speex-with-header-byte. Il s'agit d'une variante de l'encodage Speex RTP défini dans le RFC 5574. Le flux est une séquence de blocs qui correspondent chacun à un paquet RTP. Chaque bloc commence par un octet qui contient sa longueur exprimée en octets, suivie d'une ou de plusieurs trames de données Speex complétées jusqu'à atteindre un nombre entier d'octets, comme spécifié dans le RFC 5574. En d'autres termes, chaque en-tête RTP est remplacé par un octet unique contenant la longueur du bloc. Seul l'encodage Speex large bande est accepté. La valeur sample_rate_hertz doit être de 16 000. |
MP3 |
Audio MP3. L'encodage MP3 est une fonctionnalité bêta disponible uniquement dans la version v1p1beta1. Compatibilité avec tous les débits MP3 standards (de 32 à 320 kbit/s). Lorsque vous utilisez cet encodage, sample_rate_hertz doit correspondre au taux d'échantillonnage du fichier utilisé. |
WEBM_OPUS |
Trames audio encodées au format Opus dans le conteneur WebM (WebM). sample_rate_hertz doit être défini sur 8 000, 12 000, 16 000, 24 000 ou 48 000. |
ALAW |
Échantillons de 8 bits compressant des échantillons audio 13 bits qui utilisent la norme G.711 PCMU/ALAW. |
RecognitionMetadata
Description des données audio à reconnaître.
| Champs | |
|---|---|
interaction_type |
Cas d'utilisation décrivant le mieux le contenu audio à reconnaître. |
industry_naics_code_of_audio |
Marché vertical auquel cette requête de reconnaissance vocale s'applique le plus étroitement. Il s'agit du champ indiquant le mieux les sujets contenus dans les données audio. Vous pouvez identifier le marché vertical à l'aide du code SCIAN à 6 chiffres. Consultez la page https://www.naics.com/search/ pour en savoir plus. |
microphone_distance |
Type audio décrivant le mieux le son reconnu. |
original_media_type |
Média original sur lequel le discours a été enregistré. |
recording_device_type |
Type d'appareil avec lequel le discours a été enregistré. |
recording_device_name |
Appareil utilisé pour l'enregistrement. Exemples : "Nexus 5X", "Polycom SoundStation IP 6000", "POTS", 'VoIP" ou "Microphone cardioïde". |
original_mime_type |
Type MIME du fichier audio d'origine. Par exemple, |
obfuscated_id |
ID masqué de l'utilisateur (protection des données confidentielles). Permet d'identifier le nombre d'utilisateurs uniques du service. |
audio_topic |
Description du contenu. Par exemple, "Enregistrements des audiences de la Cour suprême fédérale depuis 2012". |
InteractionType
Catégories de cas d'utilisation pour lesquels la requête de reconnaissance audio peut être décrite.
| Énumérations (Enums) | |
|---|---|
INTERACTION_TYPE_UNSPECIFIED |
Le cas d'utilisation est inconnu ou ne s'apparente pas à l'une des valeurs ci-dessous. |
DISCUSSION |
Plusieurs personnes dans une conversation. Par exemple : une réunion à laquelle deux personnes ou plus participent activement. Généralement, les principaux intervenants se situent dans la même pièce (dans le cas contraire, reportez-vous à PHONE_CALL). |
PRESENTATION |
Une ou plusieurs personnes donnant un cours ou une présentation, sans interruption ou presque. |
PHONE_CALL |
Appel téléphonique ou vidéoconférence où deux personnes ou plus, qui ne sont pas dans la même pièce, participent activement. |
VOICEMAIL |
Message enregistré destiné à quelqu'un d'autre. |
PROFESSIONALLY_PRODUCED |
Contenu audio produit de façon professionnelle (tel qu'une émission télévisée ou un podcast). |
VOICE_SEARCH |
Transcription de questions et de requêtes orales en texte. |
VOICE_COMMAND |
Transcription de commandes vocales permettant par exemple de contrôler un appareil. |
DICTATION |
Transcription d'un discours en texte pour créer un document écrit tel qu'un SMS, un e-mail ou un rapport. |
MicrophoneDistance
Énumère les types de paramètres d'enregistrement qui décrivent un fichier audio.
| Énumérations (Enums) | |
|---|---|
MICROPHONE_DISTANCE_UNSPECIFIED |
Le type audio n'est pas connu. |
NEARFIELD |
Le son a été enregistré à partir d'un microphone rapproché, tel qu'un téléphone, dictaphone ou microphone à main. L'intervenant se trouve généralement à moins d'un mètre du microphone. |
MIDFIELD |
L'intervenant se situe à moins de trois mètres du microphone. |
FARFIELD |
L'intervenant se situe à plus de trois mètres du microphone. |
OriginalMediaType
Média original sur lequel le discours a été enregistré.
| Énumérations (Enums) | |
|---|---|
ORIGINAL_MEDIA_TYPE_UNSPECIFIED |
Type de média original inconnu. |
AUDIO |
Les données vocales se présentent sous la forme d'un enregistrement audio. |
VIDEO |
Les données vocales ont été enregistrées au format vidéo. |
RecordingDeviceType
Type d'appareil avec lequel le discours a été enregistré.
| Énumérations (Enums) | |
|---|---|
RECORDING_DEVICE_TYPE_UNSPECIFIED |
L'appareil d'enregistrement est inconnu. |
SMARTPHONE |
Le discours a été enregistré depuis un smartphone. |
PC |
Le discours a été enregistré à partir d'un ordinateur ou d'une tablette. |
PHONE_LINE |
Le discours a été enregistré sur une ligne téléphonique. |
VEHICLE |
Le discours a été enregistré dans un véhicule. |
OTHER_OUTDOOR_DEVICE |
Le discours a été enregistré en extérieur. |
OTHER_INDOOR_DEVICE |
Le discours a été enregistré en intérieur. |
RecognizeRequest
Message de premier niveau envoyé par le client pour la méthode Recognize.
| Champs | |
|---|---|
config |
Obligatoire. Fournit à l'outil de reconnaissance des informations qui spécifient comment traiter la requête. |
audio |
Obligatoire. Données audio à reconnaître. |
RecognizeResponse
Le seul message renvoyé au client par la méthode Recognize. Il fournit le résultat sous la forme de zéro ou davantage de messages séquentiels SpeechRecognitionResult.
| Champs | |
|---|---|
results[] |
Liste séquentielle des résultats de transcription correspondant à des parties séquentielles de l'audio. |
total_billed_time |
Le cas échéant, secondes audio facturées pour la requête correspondante. |
speech_adaptation_info |
Fournit des informations sur le comportement d'adaptation dans la réponse |
request_id |
ID associé à la requête. Il s'agit d'un identifiant unique propre à la requête en question. |
using_legacy_models |
Indique si la requête utilisait d'anciens modèles ASR (n'a pas été migrée automatiquement pour utiliser des modèles conformer). |
SpeakerDiarizationConfig
Configuration permettant d'activer l'identification des locuteurs.
| Champs | |
|---|---|
enable_speaker_diarization |
Si le champ est défini sur "true", cela active la détection du locuteur pour chaque mot reconnu dans la première alternative au résultat de la reconnaissance à l'aide d'un speaker_label fourni dans WordInfo. |
min_speaker_count |
Nombre minimal de locuteurs dans la conversation. Cette plage vous offre plus de flexibilité en permettant au système de déterminer automatiquement le nombre approprié de locuteurs. Si le nombre n'est pas défini, la valeur par défaut est 2. |
max_speaker_count |
Nombre maximal de locuteurs dans la conversation. Cette plage vous offre plus de flexibilité en permettant au système de déterminer automatiquement le nombre approprié de locuteurs. Si le nombre n'est pas défini, la valeur par défaut est 6. |
speaker_tag |
Uniquement en sortie. Non utilisé. |
SpeechAdaptation
Configuration de l'adaptation vocale.
| Champs | |
|---|---|
phrase_sets[] |
Collection d'ensembles de phrases. Pour spécifier les indices de manière intégrée, laissez le champ |
phrase_set_references[] |
Collection de noms de ressources d'ensembles d'expressions à utiliser. |
custom_classes[] |
Ensemble de classes personnalisées. Pour spécifier les classes de manière intégrée, laissez le champ |
abnf_grammar |
La forme Backus-Naur augmentée (ABNF) est une notation grammaticale standardisée composée d'un ensemble de règles de dérivation. Consultez les spécifications : https://www.w3.org/TR/speech-grammar |
ABNFGrammar
| Champs | |
|---|---|
abnf_strings[] |
Toutes les déclarations et règles d'une grammaire ABNF sont divisées en plusieurs chaînes qui seront concaténées. |
SpeechAdaptationInfo
Informations sur l'utilisation de l'adaptation vocale dans les résultats
| Champs | |
|---|---|
adaptation_timeout |
Indique si un délai d'attente a été dépassé lors de l'application de l'adaptation vocale. Si la valeur est "true", l'adaptation n'a eu aucun effet sur la transcription de la réponse. |
timeout_message |
Si ce champ est défini, il renvoie un message indiquant la partie de la requête d'adaptation vocale qui a expiré. |
SpeechContext
Fournit des "indices" à l'outil de reconnaissance vocale pour privilégier certains mots et expressions dans les résultats.
| Champs | |
|---|---|
phrases[] |
Liste de chaînes contenant des mots et des expressions qui fournissent des indications afin que la reconnaissance vocale soit plus susceptible de les reconnaître. Cette liste permet d'améliorer la précision de certains termes et phrases, notamment dans des commandes spécifiques généralement prononcées par l'utilisateur. Elle offre également la possibilité d'ajouter des mots supplémentaires au vocabulaire de l'outil de reconnaissance. Consultez les limites d'utilisation pour en savoir plus. Les éléments de liste peuvent également être définis sur des classes pour des groupes de mots qui représentent des concepts courants dans le langage naturel. Par exemple, plutôt que de fournir des indices de phrases pour chaque mois de l'année, l'utilisation de la classe $MONTH améliore la probabilité de transcrire correctement les contenus audio comprenant des mois. |
boost |
Boost d'indices Une valeur positive augmentera la probabilité qu'une expression spécifique soit reconnue par rapport à d'autres expressions similaires. Plus le boost est élevé, plus le risque de faux positif est élevé. Les valeurs de boost négatives correspondent à l'anti-biais. L'anti-biais n'est pas activé. Le boost négatif sera donc ignoré. Bien que |
SpeechRecognitionAlternative
Hypothèses alternatives (liste des n meilleures)
| Champs | |
|---|---|
transcript |
Texte de transcription représentant les mots prononcés par l'utilisateur. Dans les langues qui utilisent des espaces pour séparer les mots, la transcription peut comporter un espace au début si elle n'est pas le premier résultat. Vous pouvez concaténer chaque résultat pour obtenir la transcription complète sans utiliser de séparateur. |
confidence |
Estimation de fiabilité comprise entre 0,0 et 1,0. Un nombre élevé indique une plus grande probabilité estimée que les mots reconnus soient corrects. Ce champ n'est défini que pour la première alternative d'un résultat n'étant pas sous forme de flux, ou d'un résultat de flux dans lequel |
words[] |
Liste d'informations spécifiques au mot pour chaque mot reconnu. Remarque : Lorsque |
SpeechRecognitionResult
Résultat de reconnaissance vocale correspondant à une partie des données audio.
| Champs | |
|---|---|
alternatives[] |
Peut contenir une ou plusieurs hypothèses de reconnaissance (jusqu'au nombre maximal spécifié dans |
channel_tag |
Avec des données audio multicanaux, il s'agit du numéro de canal correspondant au résultat reconnu pour les données audio provenant de ce canal. Si audio_channel_count = N, les valeurs de sortie peuvent aller de "1" à "N". |
result_end_time |
Décalage temporel de la fin de ce résultat par rapport au début de l'audio. |
language_code |
Uniquement en sortie. Le tag de langue BCP-47 dans ce résultat. Ce code de langue a été détecté comme ayant le plus de chances d'être parlé dans l'audio. |
StreamingRecognitionConfig
Fournit à l'outil de reconnaissance des informations qui spécifient comment traiter la requête.
| Champs | |
|---|---|
config |
Obligatoire. Fournit à l'outil de reconnaissance des informations qui spécifient comment traiter la requête. |
single_utterance |
Si le champ est défini sur Si la valeur est Le champ
|
interim_results |
Si la valeur est |
enable_voice_activity_events |
Si la valeur est |
voice_activity_timeout |
Si cette valeur est définie, le serveur ferme automatiquement le flux une fois la durée spécifiée écoulée après l'envoi du dernier événement vocal VOICE_ACTIVITY. Le champ |
VoiceActivityTimeout
Événements pour lesquels un délai avant expiration peut être défini pour l'activité Voice.
| Champs | |
|---|---|
speech_start_timeout |
Durée avant expiration du flux si aucune activité vocale ne commence. |
speech_end_timeout |
Durée d'expiration du flux après la fin de la parole. |
StreamingRecognitionResult
Résultat de reconnaissance vocale correspondant à une partie des données audio en cours de traitement.
| Champs | |
|---|---|
alternatives[] |
Peut contenir une ou plusieurs hypothèses de reconnaissance (jusqu'au nombre maximal spécifié dans |
is_final |
Si le champ est défini sur |
stability |
Une estimation de la probabilité que l'outil de reconnaissance ne modifie pas sa supposition relative au résultat provisoire. Les valeurs s'étendent de 0,0 (complètement instable) à 1,0 (complètement stable). Ce champ n'est fourni que pour les résultats provisoires ( |
result_end_time |
Décalage temporel de la fin de ce résultat par rapport au début de l'audio. |
channel_tag |
Avec des données audio multicanaux, il s'agit du numéro de canal correspondant au résultat reconnu pour les données audio provenant de ce canal. Si audio_channel_count = N, les valeurs de sortie peuvent aller de "1" à "N". |
language_code |
Uniquement en sortie. Le tag de langue BCP-47 dans ce résultat. Ce code de langue a été détecté comme ayant le plus de chances d'être parlé dans l'audio. |
StreamingRecognizeRequest
Message de premier niveau envoyé par le client pour la méthode StreamingRecognize. Plusieurs messages StreamingRecognizeRequest sont envoyés. Le premier message doit contenir un message streaming_config et ne doit pas contenir de données audio_content. Tous les messages suivants doivent contenir des données audio_content et pas de message streaming_config.
| Champs | |
|---|---|
Champ d'union streaming_request. Requête de flux, qui correspond à une configuration de flux ou à du contenu audio. streaming_request ne peut être qu'un des éléments suivants : |
|
streaming_config |
Fournit à l'outil de reconnaissance des informations qui spécifient comment traiter la requête. Le premier message |
audio_content |
Données audio à reconnaître. Des blocs séquentiels de données audio sont envoyés dans des messages |
StreamingRecognizeResponse
StreamingRecognizeResponse est le seul message renvoyé au client par StreamingRecognize. Une série de zéro messages StreamingRecognizeResponse ou plus est renvoyée au client. S'il n'y a pas d'audio reconnaissable, et que le champ single_utterance est défini sur "false", aucun message n'est retransmis au client.
Voici un exemple de série de StreamingRecognizeResponse pouvant être renvoyées lors du traitement du contenu audio :
results { alternatives { transcript: "tube" } stability: 0.01 }
results { alternatives { transcript: "to be a" } stability: 0.01 }
results { alternatives { transcript: "to be" } stability: 0.9 } results { alternatives { transcript: " or not to be" } stability: 0.01 }
results { alternatives { transcript: "to be or not to be" confidence: 0.92 } alternatives { transcript: "to bee or not to bee" } is_final: true }
results { alternatives { transcript: " that's" } stability: 0.01 }
results { alternatives { transcript: " that is" } stability: 0.9 } results { alternatives { transcript: " the question" } stability: 0.01 }
results { alternatives { transcript: " that is the question" confidence: 0.98 } alternatives { transcript: " that was the question" } is_final: true }
Remarques :
Parmi les réponses ci-dessus, seules les lignes 4 et 7 contiennent des résultats finaux, indiqués par
is_final: true. En combinant ces réponses, nous obtenons l'intégralité de la transcription : "to be or not to be that is the question" ("être ou ne pas être, telle est la question").Les autres contiennent des
resultsintermédiaires. Les réponses n° 3 et 6 contiennent deuxresultsintermédiaires : la première partie présente une grande stabilité et est moins susceptible de changer. La deuxième partie présente une faible stabilité et est très susceptible de changer. Les concepteurs d'interface utilisateur peuvent choisir de n'afficher que des champsresultsde stabilité élevée.Les valeurs
stabilityetconfidencespécifiques indiquées ci-dessus ne sont données qu'à titre d'exemple. Les valeurs réelles peuvent varier.Dans chaque réponse, un seul de ces champs sera défini :
error,speech_event_typeou un ou plusieursresults(répétés).
| Champs | |
|---|---|
error |
Si ce champ est défini, il renvoie un message |
results[] |
Cette liste répétée contient zéro résultats ou plus, correspondant à des parties consécutives de l'audio en cours de traitement. Elle contient zéro ou un résultat |
speech_event_type |
Indique le type d'événement de discours. |
speech_event_time |
Décalage temporel entre le début de l'audio et l'émission d'un événement. |
total_billed_time |
Nombre de secondes audio facturées pour le flux, le cas échéant. Définissez cette valeur uniquement s'il s'agit de la dernière réponse du flux. |
speech_adaptation_info |
Fournit des informations sur le comportement d'adaptation dans la réponse |
request_id |
ID associé à la requête. Il s'agit d'un identifiant unique propre à la requête en question. |
SpeechEventType
Indique le type d'événement de discours.
| Énumérations (Enums) | |
|---|---|
SPEECH_EVENT_UNSPECIFIED |
Aucun événement de discours spécifié. |
END_OF_SINGLE_UTTERANCE |
Cet événement indique que le serveur a détecté la fin de l'énoncé de l'utilisateur et ne s'attend plus à aucune entrée vocale. Le serveur ne traite donc pas de nouvelles données audio (bien qu'il puisse par la suite renvoyer des résultats supplémentaires). Le client doit arrêter d'envoyer des données audio, interrompre à moitié la connexion gRPC, et attendre les résultats supplémentaires jusqu'à ce que le serveur stoppe cette connexion. Cet événement n'est envoyé que si le champ single_utterance est défini sur true et n'est pas utilisé par ailleurs. |
SPEECH_ACTIVITY_BEGIN |
Cet événement indique que le serveur a détecté le début d'une activité vocale humaine dans le flux. Cet événement peut être renvoyé plusieurs fois si la parole commence et s'arrête à plusieurs reprises tout au long du flux. Cet événement n'est envoyé que si voice_activity_events est défini sur "true". |
SPEECH_ACTIVITY_END |
Cet événement indique que le serveur a détecté la fin de l'activité vocale humaine dans le flux. Cet événement peut être renvoyé plusieurs fois si la parole commence et s'arrête à plusieurs reprises tout au long du flux. Cet événement n'est envoyé que si voice_activity_events est défini sur "true". |
SPEECH_ACTIVITY_TIMEOUT |
Cet événement indique que le délai défini par l'utilisateur pour le début ou la fin de l'activité vocale a été dépassé. Lorsqu'il reçoit cet événement, le client doit envoyer une fermeture à moitié. Aucun autre contenu audio ne sera traité. |
TranscriptNormalization
Configuration de la normalisation de la transcription. Utilisez la normalisation de la transcription pour remplacer automatiquement des parties de la transcription par les expressions de votre choix. Pour StreamingRecognize, cette normalisation ne s'applique qu'aux transcriptions partielles stables (stabilité > 0,8) et aux transcriptions finales.
| Champs | |
|---|---|
entries[] |
Liste des entrées de remplacement. Nous effectuerons le remplacement d'une entrée à la fois. Par exemple, la deuxième entrée de ["cat" => "dog", "mountain cat" => "mountain dog"] ne sera jamais appliquée, car nous traiterons toujours la première entrée avant. 100 entrées au maximum. |
Entrée
Configuration de remplacement unique.
| Champs | |
|---|---|
search |
Ce que vous souhaitez remplacer. La longueur maximale est de 100 caractères. |
replace |
Par quoi remplacer le texte. La longueur maximale est de 100 caractères. |
case_sensitive |
Indique si la recherche est sensible à la casse. |
TranscriptOutputConfig
Spécifie une destination facultative pour les résultats de la reconnaissance.
| Champs | |
|---|---|
Champ d'union
|
|
gcs_uri |
Spécifie un URI Cloud Storage pour les résultats de la reconnaissance. Il doit être spécifié au format |
UpdateCustomClassRequest
Message envoyé par le client pour la méthode UpdateCustomClass.
| Champs | |
|---|---|
custom_class |
Obligatoire. Classe personnalisée à mettre à jour. Le champ
Speech-to-Text est compatible avec trois régions : L'autorisation IAM suivante est requise pour la ressource
|
update_mask |
Liste des champs à mettre à jour. |
UpdatePhraseSetRequest
Message envoyé par le client pour la méthode UpdatePhraseSet.
| Champs | |
|---|---|
phrase_set |
Obligatoire. Ensemble de phrases à mettre à jour. Le champ
Speech-to-Text est compatible avec trois régions : L'autorisation IAM suivante est requise pour la ressource
|
update_mask |
Liste des champs à mettre à jour. |
WordInfo
Informations spécifiques au mot pour les mots reconnus.
| Champs | |
|---|---|
start_time |
Décalage temporel relatif au début des données audio et correspondant au début du mot prononcé. Ce champ n'est défini que si |
end_time |
Décalage temporel relatif au début des données audio et correspondant à la fin du mot prononcé. Ce champ n'est défini que si |
word |
Mot correspondant à cet ensemble d'informations. |
confidence |
Estimation de fiabilité comprise entre 0,0 et 1,0. Un nombre élevé indique une plus grande probabilité estimée que les mots reconnus soient corrects. Ce champ n'est défini que pour la première alternative d'un résultat n'étant pas sous forme de flux, ou d'un résultat de flux dans lequel |
speaker_tag |
Uniquement en sortie. Une valeur entière distincte est attribuée à chaque locuteur de l'audio. Ce champ spécifie lequel de ces locuteurs a été détecté pour avoir prononcé ce mot. La valeur est comprise entre "1" et "diarization_speaker_count". La valeur speaker_tag est définie lorsque enable_speaker_diarization = "true", et uniquement pour la première alternative. Remarque : Utilisez plutôt speaker_label. |
speaker_label |
Uniquement en sortie. Valeur de l'étiquette attribuée à chaque locuteur unique dans le contenu audio. Ce champ spécifie le locuteur détecté comme ayant prononcé ce mot. Pour certains modèles, comme medical_conversation, il peut s'agir du rôle réel de l'interlocuteur (par exemple, "patient" ou "prestataire"), mais il s'agit généralement d'un nombre identifiant un interlocuteur. Ce champ n'est défini que si enable_speaker_diarization = "true", et uniquement pour la première alternative. |