Package google.cloud.speech.v1p1beta1

索引

• Adaptation (介面)
• Speech (介面)
• CreateCustomClassRequest (訊息)
• CreatePhraseSetRequest (訊息)
• CustomClass (訊息)
• CustomClass.ClassItem (訊息)
• CustomClass.State (enum)
• DeleteCustomClassRequest (訊息)
• DeletePhraseSetRequest (訊息)
• GetCustomClassRequest (訊息)
• GetPhraseSetRequest (訊息)
• ListCustomClassesRequest (訊息)
• ListCustomClassesResponse (訊息)
• ListPhraseSetRequest (訊息)
• ListPhraseSetResponse (訊息)
• LongRunningRecognizeMetadata (訊息)
• LongRunningRecognizeRequest (訊息)
• LongRunningRecognizeResponse (訊息)
• PhraseSet (訊息)
• PhraseSet.Phrase (訊息)
• PhraseSet.State (enum)
• RecognitionAudio (訊息)
• RecognitionConfig (訊息)
• RecognitionConfig.AudioEncoding (enum)
• RecognitionMetadata (訊息) (已淘汰)
• RecognitionMetadata.InteractionType (enum)
• RecognitionMetadata.MicrophoneDistance (enum)
• RecognitionMetadata.OriginalMediaType (enum)
• RecognitionMetadata.RecordingDeviceType (enum)
• RecognizeRequest (訊息)
• RecognizeResponse (訊息)
• SpeakerDiarizationConfig (訊息)
• SpeechAdaptation (訊息)
• SpeechAdaptation.ABNFGrammar (訊息)
• SpeechAdaptationInfo (訊息)
• SpeechContext (訊息)
• SpeechRecognitionAlternative (訊息)
• SpeechRecognitionResult (訊息)
• StreamingRecognitionConfig (訊息)
• StreamingRecognitionConfig.VoiceActivityTimeout (訊息)
• StreamingRecognitionResult (訊息)
• StreamingRecognizeRequest (訊息)
• StreamingRecognizeResponse (訊息)
• StreamingRecognizeResponse.SpeechEventType (enum)
• TranscriptNormalization (訊息)
• TranscriptNormalization.Entry (訊息)
• TranscriptOutputConfig (訊息)
• UpdateCustomClassRequest (訊息)
• UpdatePhraseSetRequest (訊息)
• WordInfo (訊息)

調適

實作 Google Cloud Speech Adaptation API 的服務。

CreateCustomClass
rpc CreateCustomClass(CreateCustomClassRequest) returns (CustomClass) 建立自訂類別。 授權範圍 需要下列 OAuth 範圍： https://www.googleapis.com/auth/cloud-platform 詳情請參閱Authentication Overview。

CreatePhraseSet
rpc CreatePhraseSet(CreatePhraseSetRequest) returns (PhraseSet) 建立一組詞組提示。集合中的每個項目可以是單一字詞，也可以是多個字詞組成的詞組。當您傳送包含 PhraseSet 的呼叫時，辨識模型會優先使用 PhraseSet 中的項目。 授權範圍 需要下列 OAuth 範圍： https://www.googleapis.com/auth/cloud-platform 詳情請參閱Authentication Overview。

DeleteCustomClass
rpc DeleteCustomClass(DeleteCustomClassRequest) returns (Empty) 刪除自訂類別。 授權範圍 需要下列 OAuth 範圍： https://www.googleapis.com/auth/cloud-platform 詳情請參閱Authentication Overview。

DeletePhraseSet
rpc DeletePhraseSet(DeletePhraseSetRequest) returns (Empty) 刪除詞組集。 授權範圍 需要下列 OAuth 範圍： https://www.googleapis.com/auth/cloud-platform 詳情請參閱Authentication Overview。

GetCustomClass
rpc GetCustomClass(GetCustomClassRequest) returns (CustomClass) 取得自訂類別。 授權範圍 需要下列 OAuth 範圍： https://www.googleapis.com/auth/cloud-platform 詳情請參閱Authentication Overview。

GetPhraseSet
rpc GetPhraseSet(GetPhraseSetRequest) returns (PhraseSet) 取得詞組集。 授權範圍 需要下列 OAuth 範圍： https://www.googleapis.com/auth/cloud-platform 詳情請參閱Authentication Overview。

ListCustomClasses
rpc ListCustomClasses(ListCustomClassesRequest) returns (ListCustomClassesResponse) 列出自訂類別。 授權範圍 需要下列 OAuth 範圍： https://www.googleapis.com/auth/cloud-platform 詳情請參閱Authentication Overview。

ListPhraseSet
rpc ListPhraseSet(ListPhraseSetRequest) returns (ListPhraseSetResponse) 列出詞組集。 授權範圍 需要下列 OAuth 範圍： https://www.googleapis.com/auth/cloud-platform 詳情請參閱Authentication Overview。

UpdateCustomClass
rpc UpdateCustomClass(UpdateCustomClassRequest) returns (CustomClass) 更新自訂班級。 授權範圍 需要下列 OAuth 範圍： https://www.googleapis.com/auth/cloud-platform 詳情請參閱Authentication Overview。

UpdatePhraseSet
rpc UpdatePhraseSet(UpdatePhraseSetRequest) returns (PhraseSet) 更新詞組集。 授權範圍 需要下列 OAuth 範圍： https://www.googleapis.com/auth/cloud-platform 詳情請參閱Authentication Overview。

語音

執行 Google Cloud Speech API 的服務。

LongRunningRecognize
rpc LongRunningRecognize(LongRunningRecognizeRequest) returns (Operation) 執行非同步語音辨識：透過 google.longrunning.Operations 介面接收結果。傳回 Operation.error 或包含 LongRunningRecognizeResponse 訊息的 Operation.response。如要進一步瞭解非同步語音辨識，請參閱操作說明。 授權範圍 需要下列 OAuth 範圍： https://www.googleapis.com/auth/cloud-platform 詳情請參閱Authentication Overview。

辨識
rpc Recognize(RecognizeRequest) returns (RecognizeResponse) 執行同步語音辨識作業：在所有音訊傳送並處理完畢之後接收結果。 授權範圍 需要下列 OAuth 範圍： https://www.googleapis.com/auth/cloud-platform 詳情請參閱Authentication Overview。

StreamingRecognize
rpc StreamingRecognize(StreamingRecognizeRequest) returns (StreamingRecognizeResponse) 執行雙向串流語音辨識作業：在傳送音訊的同時接收結果。這個方法只能透過 gRPC API (而非 REST) 來進行。 授權範圍 需要下列 OAuth 範圍： https://www.googleapis.com/auth/cloud-platform 詳情請參閱Authentication Overview。

CreateCustomClassRequest

用戶端為 CreateCustomClass 方法傳送的訊息。

欄位
parent	string 這是必要旗標，表示將建立這個自訂類別的父項資源。格式： projects/{project}/locations/{location}/customClasses Speech-to-Text 支援三個位置：global、us (北美洲美國) 和 eu (歐洲)。如果您要呼叫 speech.googleapis.com 端點，請使用 global 位置。如要指定區域，請使用相符的 us 或 eu 位置值搭配區域端點。 授權需要指定資源 parent 的下列 IAM 權限： speech.customClasses.create
custom_class_id	string 這是必要旗標，自訂類別的 ID，會成為自訂類別資源名稱的最終元件。 這個值應僅限於英文字母、數字和連字號，第一個字元須為英文字母，最後一個字元則須為英文字母或數字，且長度應為 4 至 63 個字元。
custom_class	CustomClass 這是必要旗標，要建立的自訂類別。

CreatePhraseSetRequest

用戶端為 CreatePhraseSet 方法傳送的訊息。

欄位
parent	string 這是必要旗標，表示將建立這個片語集的父項資源。格式： projects/{project}/locations/{location} Speech-to-Text 支援三個位置：global、us (北美洲美國) 和 eu (歐洲)。如果您要呼叫 speech.googleapis.com 端點，請使用 global 位置。如要指定區域，請使用相符的 us 或 eu 位置值搭配區域端點。 授權需要指定資源 parent 的下列 IAM 權限： speech.phraseSets.create
phrase_set_id	string 這是必要旗標，用於片語集的 ID，會成為片語集資源名稱的最終元件。 這個值應僅限於英文字母、數字和連字號，第一個字元須為英文字母，最後一個字元則須為英文字母或數字，且長度應為 4 至 63 個字元。
phrase_set	PhraseSet 這是必要旗標，要建立的詞組集。

CustomClass

一組字詞或詞組，代表音訊中可能出現的常見概念，例如客輪名稱清單。您可以將 CustomClass 項目代入 PhraseSet 片語中設定的預留位置。

欄位
name	string 自訂類別的資源名稱。
custom_class_id	string 如果這個自訂類別是資源，custom_class_id 就是 CustomClass 的資源 ID。區分大小寫。
items[]	ClassItem 類別項目集合。
kms_key_name	string 僅供輸出。用來加密 ClassItem 內容的 KMS 金鑰名稱。預期格式為 projects/{project}/locations/{location}/keyRings/{key_ring}/cryptoKeys/{crypto_key}。
kms_key_version_name	string 僅供輸出。用來加密 ClassItem 內容的 KMS 金鑰版本名稱。預期格式為 projects/{project}/locations/{location}/keyRings/{key_ring}/cryptoKeys/{crypto_key}/cryptoKeyVersions/{crypto_key_version}。
uid	string 僅供輸出。系統為 CustomClass 指派的專屬 ID。這個欄位未使用。
display_name	string 僅供輸出。使用者可設定的 CustomClass 名稱，方便閱讀。不得超過 63 個字元。這個欄位未使用。
state	State 僅供輸出。CustomClass 的生命週期狀態。這個欄位未使用。
delete_time	Timestamp 僅供輸出。要求刪除這項資源的時間。這個欄位未使用。
expire_time	Timestamp 僅供輸出。這項資源的清除時間。這個欄位未使用。
annotations	map<string, string> 僅供輸出。允許使用者儲存少量的任意資料。索引鍵和值都不得超過 63 個半形字元。最多 100 個註解。這個欄位未使用。
etag	string 僅供輸出。伺服器會根據其他欄位的值計算這個檢查碼。這項資訊可能會在更新、取消刪除和刪除要求中傳送，確保用戶端在繼續操作前擁有最新值。這個欄位未使用。
reconciling	bool 僅供輸出。這個 CustomClass 是否正在更新。這個欄位未使用。

ClassItem

類別項目。

欄位
value	string 類別項目的值。

狀態

定義 CustomClass 生命週期的狀態集。

列舉
STATE_UNSPECIFIED	未指定狀態。這只用於/有助於區分未設定的值。
ACTIVE	正常且有效的狀態。
DELETED	這個 CustomClass 已刪除。

DeleteCustomClassRequest

用戶端為 DeleteCustomClass 方法傳送的訊息。

欄位
name	string 這是必要旗標，要刪除的自訂類別名稱。格式： projects/{project}/locations/{location}/customClasses/{custom_class} Speech-to-Text 支援三個位置：global、us (北美洲美國) 和 eu (歐洲)。如果您要呼叫 speech.googleapis.com 端點，請使用 global 位置。如要指定區域，請使用相符的 us 或 eu 位置值搭配區域端點。 授權需要指定資源 name 的下列 IAM 權限： speech.customClasses.delete

DeletePhraseSetRequest

用戶端為 DeletePhraseSet 方法傳送的訊息。

欄位
name	string 這是必要旗標，要刪除的詞組集名稱。格式： projects/{project}/locations/{location}/phraseSets/{phrase_set} 授權需要指定資源 name 的下列 IAM 權限： speech.phraseSets.delete

GetCustomClassRequest

用戶端為 GetCustomClass 方法傳送的訊息。

欄位
name	string 這是必要旗標，要擷取的自訂類別名稱。格式： projects/{project}/locations/{location}/customClasses/{custom_class} 授權需要指定資源 name 的下列 IAM 權限： speech.customClasses.get

GetPhraseSetRequest

用戶端為 GetPhraseSet 方法傳送的訊息。

欄位
name	string 這是必要旗標，要擷取的語句組合名稱，格式： projects/{project}/locations/{location}/phraseSets/{phrase_set} Speech-to-Text 支援三個位置：global、us (北美洲美國) 和 eu (歐洲)。如果您要呼叫 speech.googleapis.com 端點，請使用 global 位置。如要指定區域，請使用相符的 us 或 eu 位置值搭配區域端點。 授權需要指定資源 name 的下列 IAM 權限： speech.phraseSets.get

ListCustomClassesRequest

用戶端為 ListCustomClasses 方法傳送的訊息。

欄位
parent	string 這是必要旗標，擁有這組自訂類別的父項。格式： projects/{project}/locations/{location}/customClasses Speech-to-Text 支援三個位置：global、us (北美洲美國) 和 eu (歐洲)。如果您要呼叫 speech.googleapis.com 端點，請使用 global 位置。如要指定區域，請使用相符的 us 或 eu 位置值搭配區域端點。 授權需要指定資源 parent 的下列 IAM 權限： speech.customClasses.list
page_size	int32 要傳回的自訂類別數上限。服務傳回的產品數量可能會少於這個值。如未指定，最多將傳回 50 個自訂類別。許可的最大值為 1000；超出的數值將一律指定為 1000。
page_token	string 屬於接收自前一個 ListCustomClass 呼叫的網頁權杖。提供此項目即可擷取後續網頁。 進行分頁時，提供至 ListCustomClass 的所有其他參數須與提供網頁權杖的呼叫相符。

ListCustomClassesResponse

ListCustomClasses 方法傳回給用戶端的訊息。

欄位
custom_classes[]	CustomClass 自訂類別。
next_page_token	string 可做為 page_token 傳送的權杖，用於擷取後續網頁。如果省略這個欄位，就不會有後續頁面。

ListPhraseSetRequest

用戶端為 ListPhraseSet 方法傳送的訊息。

欄位
parent	string 這是必要旗標，擁有這組片語的父項。格式： projects/{project}/locations/{location} Speech-to-Text 支援三個位置：global、us (北美洲美國) 和 eu (歐洲)。如果您要呼叫 speech.googleapis.com 端點，請使用 global 位置。如要指定區域，請使用相符的 us 或 eu 位置值搭配區域端點。 授權需要指定資源 parent 的下列 IAM 權限： speech.phraseSets.list
page_size	int32 要傳回的片語集數量上限。服務傳回的產品數量可能會少於這個值。如未指定，最多將傳回 50 個片語集。許可的最大值為 1000；超出的數值將一律指定為 1000。
page_token	string 屬於接收自前一個 ListPhraseSet 呼叫的網頁權杖。提供此項目即可擷取後續網頁。 進行分頁時，提供至 ListPhraseSet 的所有其他參數須與提供網頁權杖的呼叫相符。

ListPhraseSetResponse

ListPhraseSet 方法傳回給用戶端的訊息。

欄位
phrase_sets[]	PhraseSet 詞組集。
next_page_token	string 可做為 page_token 傳送的權杖，用於擷取後續網頁。如果省略這個欄位，就不會有後續頁面。

LongRunningRecognizeMetadata

說明長時間執行的 LongRunningRecognize 呼叫進度。google::longrunning::Operations 服務的 GetOperation 呼叫傳回的 Operation 中，會包含這個欄位。metadata

欄位
progress_percent	int32 目前已處理的音訊百分比 (約略值)。當音訊已處理完畢，且系統可提供結果時，這個數值保證會達到 100。
start_time	Timestamp 收到要求的時間。
last_update_time	Timestamp 最近一次處理更新的時間。
uri	string 僅供輸出。要轉錄的音訊檔案 URI。如果音訊是以位元組內容的形式傳送，則為空白。
output_config	TranscriptOutputConfig 僅供輸出。如果要求中已設定，則為 TranscriptOutputConfig 的副本。

LongRunningRecognizeRequest

用戶端為 LongRunningRecognize 方法傳送的頂層訊息。

欄位
config	RecognitionConfig 這是必要旗標，提供資訊給語音辨識器，指定處理要求的方式。
audio	RecognitionAudio 這是必要旗標，待辨識的音訊資料。
output_config	TranscriptOutputConfig (選用步驟) 指定辨識結果的選用目的地。

LongRunningRecognizeResponse

這是 LongRunningRecognize 方法傳回給用戶端的唯一訊息。其中包含零或多個連續的 SpeechRecognitionResult 訊息，做為結果。google::longrunning::Operations 服務的 GetOperation 呼叫傳回的 Operation 中，會包含這個欄位。result.response

欄位
results[]	SpeechRecognitionResult 與音訊部分的順序相對應的轉錄結果連續清單。
total_billed_time	Duration 如果有的話，對應要求的計費音訊秒數。
output_config	TranscriptOutputConfig 如果要求中存在原始輸出設定。
output_error	Status 如果轉錄稿輸出失敗，這個欄位會顯示相關錯誤。
speech_adaptation_info	SpeechAdaptationInfo 提供回應中的語音適應行為相關資訊
request_id	int64 與要求相關聯的 ID。這是專屬 ID，僅適用於指定要求。

PhraseSet

「提示」語音辨識器，讓它在結果中比較常使用特定的字詞及片語。

欄位
name	string 語句組合的資源名稱。
phrases[]	Phrase 字詞和詞組清單。
boost	float 提示強化。正值會提高系統辨識特定詞組的機率，而非其他發音相似的詞組。提升幅度越高，誤判的可能性也越高。負值則代表反向加成，由於未啟用反偏誤功能，系統會直接忽略負向加成。雖然 boost 可接受各種正值，但大多數用途最適合的值介於 0 (不含) 和 20 之間。建議您使用二分搜尋法，找出最適合您用途的值，並在要求中加入有和沒有加成效果的詞組。
kms_key_name	string 僅供輸出。用來加密 PhraseSet 內容的 KMS 金鑰名稱。預期格式為 projects/{project}/locations/{location}/keyRings/{key_ring}/cryptoKeys/{crypto_key}。
kms_key_version_name	string 僅供輸出。用來加密 PhraseSet 內容的 KMS 金鑰版本名稱。預期格式為 projects/{project}/locations/{location}/keyRings/{key_ring}/cryptoKeys/{crypto_key}/cryptoKeyVersions/{crypto_key_version}。
uid	string 僅供輸出。系統指派的 PhraseSet 專屬 ID。這個欄位未使用。
display_name	string 僅供輸出。使用者可設定的 PhraseSet 名稱，方便辨識。不得超過 63 個字元。這個欄位未使用。
state	State 僅供輸出。CustomClass 的生命週期狀態。這個欄位未使用。
delete_time	Timestamp 僅供輸出。要求刪除這項資源的時間。這個欄位未使用。
expire_time	Timestamp 僅供輸出。這項資源的清除時間。這個欄位未使用。
annotations	map<string, string> 僅供輸出。允許使用者儲存少量的任意資料。索引鍵和值都不得超過 63 個半形字元。最多 100 個註解。這個欄位未使用。
etag	string 僅供輸出。伺服器會根據其他欄位的值計算這個檢查碼。這項資訊可能會在更新、取消刪除和刪除要求中傳送，確保用戶端在繼續操作前擁有最新值。這個欄位未使用。
reconciling	bool 僅供輸出。這個 PhraseSet 是否正在更新。這個欄位未使用。

詞組

含有字詞和片語「提示」的片語，讓語音辨識器更有可能辨識這些提示。可用來提高特定字詞和片語的準確率，例如在使用者經常下達特定指令的情況下。此功能也可用來為辨識器的詞彙增加新的字詞。請參閱使用限制。

清單項目也可以包含預先建構或自訂的類別，內含代表自然語言中常見概念的字詞群組。舉例來說，與其為一年中的每個月提供片語提示 (例如「我出生於一月」、「我出生於二月」等)，不如使用預先建構的 $MONTH 類別，這樣可提高正確轉錄含有月份的音訊 (例如「我出生於 $month」) 的可能性。如要參照預先建構的類別，請使用類別的符號，並在前面加上 $，例如 $MONTH。如要參照要求中內嵌定義的自訂類別，請將類別的 custom_class_id 設為所有類別資源和內嵌類別專屬的字串。然後使用以 ${...} 包裝的類別 ID，例如「${my-months}」。如要參照自訂類別資源，請使用以 ${} 包裝的類別 ID (例如 ${my-months})。

Speech-to-Text 支援三個位置：global、us (北美洲美國) 和 eu (歐洲)。如果您要呼叫 speech.googleapis.com 端點，請使用 global 位置。如要指定區域，請使用相符的 us 或 eu 位置值搭配區域端點。

欄位
value	string 詞組本身。
boost	float 提示強化。覆寫在詞組集層級設定的增幅。正值會提高系統辨識特定詞組的機率，而非其他發音相似的詞組。提升幅度越高，誤判的可能性也越高。系統會直接忽略負值。雖然 boost 可接受各種正值，但大多數用途最適合的值介於 0 到 20 之間。建議您使用二分搜尋法，找出最適合您用途的值，並在要求中加入有和沒有加成效果的詞組。

狀態

定義 CustomClass 生命週期的狀態集。

列舉
STATE_UNSPECIFIED	未指定狀態。這只用於/有助於區分未設定的值。
ACTIVE	正常且有效的狀態。
DELETED	這個 CustomClass 已刪除。

RecognitionAudio

包含 RecognitionConfig 中指定編碼的音訊資料。必須提供 content 或 uri。如果同時提供這兩項時間，或兩者皆不提供，則會傳回 google.rpc.Code.INVALID_ARGUMENT。詳情請參閱內容限制。

欄位
聯集欄位 audio_source。音訊來源，可以是內嵌內容或 Google Cloud Storage URI。audio_source 只能是下列其中一項：
content	bytes 音訊資料位元組，編碼方式如 RecognitionConfig 中所指定。注意：與所有位元組欄位一樣，Proto 緩衝區使用純二進位表示法，而 JSON 表示法使用 base64。
uri	string URI，指向包含音訊資料位元組的檔案，如 RecognitionConfig 中所指定。而且不能是壓縮檔 (例如 gzip)。目前僅支援 Google Cloud Storage URI，且必須以 gs://bucket_name/object_name 格式指定 (其他 URI 格式會傳回 google.rpc.Code.INVALID_ARGUMENT)。詳情請參閱「要求 URI」。

RecognitionConfig

提供資訊給語音辨識器，指定處理要求的方式。

欄位
encoding	AudioEncoding 所有 RecognitionAudio 訊息中傳送的音訊資料編碼。FLAC 和 WAV 音訊檔案可選擇是否填寫這個欄位，其他音訊格式則為必填。詳情請參閱「AudioEncoding」。
sample_rate_hertz	int32 在所有 RecognitionAudio 訊息中傳送的音訊資料取樣率 (赫茲)。有效值為 8000 到 48000。16000 印度盧比。為達到最佳效果，請將音訊來源的取樣率設為 16000 Hz。如果您無法這麼做，請使用音訊來源的原始取樣率 (而非重新取樣)。如果是 FLAC 和 WAV 音訊檔案，這個欄位為選填欄位；如果是其他音訊格式，則為必填欄位。詳情請參閱「AudioEncoding」。
audio_channel_count	int32 輸入音訊資料中的聲道數量。您「只」需要在執行「多聲道」辨識作業時設定這個參數。LINEAR16、OGG_OPUS 和 FLAC 的有效值為 1-8。MULAW、AMR、AMR_WB 和 SPEEX_WITH_HEADER_BYTE 的有效值僅為 1。如果 0 或省略，預設為單一聲道 (單聲道)。注意：系統預設只會辨識第一個聲道。如要對每個聲道執行獨立辨識，請將 enable_separate_recognition_per_channel 設為「true」。
enable_separate_recognition_per_channel	bool 這項設定必須明確設為 true，且 audio_channel_count > 1，才能分別辨識每個管道。辨識結果會包含 channel_tag 欄位，說明該結果所屬的頻道。如果您沒有把它設為「True」，系統只會辨識第一個聲道。系統會根據所有辨識的聲道累計收費：audio_channel_count 乘以音訊長度。
language_code	string 這是必要旗標，所提供音訊的語言，以 BCP-47 語言代碼表示。例如：「en-US」。如需目前支援的語言代碼清單，請參閱「語言支援」。
alternative_language_codes[]	string 最多 3 個額外的 BCP-47 語言標記清單，列出所提供音訊的可能替代語言。如需目前支援的語言代碼清單，請參閱「語言支援」。如果您列出替代語言，辨識結果會包含系統偵測到最有可能的語言 (包括主要的 language_code) 辨識內容。辨識結果將包含系統在音訊中偵測到的語言所屬語言代碼。注意：這項功能僅支援語音指令和語音搜尋的使用案例，針對其他使用案例 (例如語音通話轉錄) 的成效可能會有所不同。
max_alternatives	int32 要傳回的推定辨識結果數量上限。具體來說，每個 SpeechRecognitionResult 內最多可有 SpeechRecognitionAlternative 則訊息。伺服器傳回的項目數量可能少於 max_alternatives。有效值為 0 至 30。值為 0 或 1 時，最多會回傳一個結果。如果您沒有設定，系統最多會傳回一個結果。
profanity_filter	bool 如果設為 true，伺服器就會試著濾除不雅用語，並將這些字詞第一個字母以外的所有字母替換成星號，例如「f***」。如果設為 false 或省略，系統就不會篩除不雅用語。
adaptation	SpeechAdaptation 語音調整設定可提高語音辨識準確率。詳情請參閱語音適應說明文件。設定語音調整功能後，系統會覆寫 speech_contexts 欄位。
transcript_normalization	TranscriptNormalization (選用步驟) 使用轉錄稿正規化功能，自動將轉錄稿的部分內容換成您選擇的詞組。如果是 StreamingRecognize，這項正規化功能只會套用至穩定度大於 0.8 的穩定部分轉錄稿和最終轉錄稿。
speech_contexts[]	SpeechContext SpeechContext 陣列。提供上下文來協助語音辨識作業的方式。詳情請參閱語音適應。
enable_word_time_offsets	bool 如果設為 true，最佳結果會包含字詞清單，以及這些字詞的開始和結束時間偏移 (時間戳記)。如果設為 false，就不會傳回個別字詞的時間偏移資訊。預設值為 false。
enable_word_confidence	bool 如果設為 true，最佳結果會包含字詞清單，以及這些字詞的信心值。如果設為 false，就不會傳回個別字詞的信心值資訊。預設值為 false。
enable_automatic_punctuation	bool 如果設為「true」，推定辨識結果中就會加入標點符號。這項功能僅適用於特定語言，如果您為其他語言的要求設定這項參數，則不會產生任何作用。預設的「false」值不會在推定結果中加入標點符號。
enable_spoken_punctuation	BoolValue 通話的口說標點符號機制。如未設定，系統會根據所選模型使用預設行為，例如 command_and_search 預設會啟用口說標點符號。如果設為「true」，就會將口說標點符號替換成要求中相應的符號。舉例來說，「你好嗎問號」會變為「你好嗎？」。如需支援，請參閱 https://cloud.google.com/speech-to-text/docs/spoken-punctuation。如果設為「false」，系統就不會替換說出的標點符號。
enable_spoken_emojis	BoolValue 通話的口說表情符號機制。如果未設定，系統會根據所選模型使用預設機制。如果設為「true」，就會為要求啟用口說表情符號功能，也就是在最終轉錄稿，將口說表情符號替換成相應的 Unicode 符號。如果設為「false」，系統就不會替換說出的表情符號。
enable_speaker_diarization (deprecated)	bool 這個項目已遭淘汰！ 如果設為「true」，系統會使用 WordInfo 中提供的 speaker_label，為辨識結果中每個辨識的字詞啟用說話者偵測功能。注意：請改用 diarization_config。
diarization_speaker_count (deprecated)	int32 這個項目已遭淘汰！ 如已設定，則指定對話中的說話者人數估計值。預設值為 '2'。除非 enable_speaker_diarization 設為 true，否則會遭到忽略。注意：請改用 diarization_config。
diarization_config	SpeakerDiarizationConfig 這項設定可以啟用說話者分段標記功能，並設定額外參數，讓分段標記更符合您的應用程式需求。注意：啟用這項功能後，我們會從音訊開頭開始，在每個連續的 STREAMING 回應中，傳送最佳替代轉錄的所有字詞。這是為了要讓模型能夠隨時間學習辨識對話中的說話者，來改善我們的說話者標記。而針對非串流的要求，系統只會在「最後」SpeechRecognitionResult 的最佳替代結果中，提供分段標記的結果。
metadata	RecognitionMetadata 這項要求的中繼資料。
model	string 針對指定要求選取哪個模型。選取最適合網域的模型，即可獲得最佳結果。如果您沒有明確指定模型，系統會根據 RecognitionConfig 中的參數自動選取模型。 型號 說明 latest_long 最適合媒體或對話等長篇內容。 latest_short 最適合短篇內容，例如指令或單次錄製的語音。 command_and_search 適用於短語查詢，例如語音指令或語音搜尋。 phone_call 適用於電話語音 (錄音取樣率通常為 8khz)。 video 適用於影片中的音訊，或是有多人說話的音訊。在理想情況下，錄音的取樣率為 16khz 以上。提醒您，這是進階級模型，費用比一般費率更高。 default 適用於不符合上述特定音訊模型的音訊，例如長度較長的音訊。理想情況下為高傳真音訊，且錄音取樣率為 16khz 以上。 medical_conversation 最適用於醫療服務提供者與病患之間的對話音訊。 medical_dictation 適用於醫療服務提供者聽寫的筆記。
use_enhanced	bool 設為 true 即可使用強化版模型進行語音辨識。如果 use_enhanced 設為 true，且未設定 model 欄位，則系統會為音訊選擇適當的加強型模型 (如有)。 如果 use_enhanced 為 true，但指定模型的強化版不存在，系統會使用指定模型的標準版辨識語音。

AudioEncoding

在要求中傳送的音訊資料編碼。

除非設定 audio_channel_count 和 enable_separate_recognition_per_channel 欄位，否則所有編碼都只支援 1 個聲道 (單聲道) 的音訊。

如要獲得最佳效果，請使用無損編碼 (FLAC 或 LINEAR16) 擷取及傳送音訊來源。如果您使用會失真的轉碼器擷取或傳送音訊，語音辨識的準確率可能會降低 (尤其是在音訊有背景噪音的情況下)。有損編碼器包括 MULAW、AMR、AMR_WB、OGG_OPUS、SPEEX_WITH_HEADER_BYTE、MP3 和 WEBM_OPUS。

FLAC 及 WAV 音訊檔案格式都有標頭，說明內含的音訊內容。你可以要求辨識含有 LINEAR16 或 MULAW 編碼音訊的 WAV 檔案。如果要求中傳送 FLAC 或 WAV 音訊檔案格式，則不需要指定 AudioEncoding，系統會根據檔案標頭判斷音訊編碼格式。如果您在傳送 FLAC 或 WAV 音訊時指定 AudioEncoding，編碼設定必須與音訊標頭中描述的編碼方式相符，否則要求會傳回 google.rpc.Code.INVALID_ARGUMENT 錯誤代碼。

列舉
ENCODING_UNSPECIFIED	不指定。
LINEAR16	未壓縮的 16 位元已簽署 Little-Endian 樣本 (線性 PCM)。
FLAC	建議採用 FLAC (自由無損音訊壓縮編碼) 編碼，因為這是一種無損格式 (因此不會影響識別作業)，而且相較於 LINEAR16 只需要約一半的頻寬。FLAC 串流編碼支援 16 位元和 24 位元樣本，但並非所有 STREAMINFO 中的欄位都支援。
MULAW	使用 G.711 PCMU/mu-law 來壓縮 14 位元音訊樣本，並在傳輸後將其擴展的 8 位元樣本。
AMR	Adaptive Multi-Rate Narrowband 編碼器。sample_rate_hertz 必須為 8000。
AMR_WB	Adaptive Multi-Rate Wideband 編碼器。sample_rate_hertz 必須為 16000。
OGG_OPUS	Ogg 容器中的 Opus 編碼音訊影格 (OggOpus)。sample_rate_hertz 必須是 8000、12000、16000、24000 或 48000。
SPEEX_WITH_HEADER_BYTE	雖然我們不建議使用失真編碼，但如果您需要極低位元率編碼，OGG_OPUS 還是遠比 Speex 編碼來得好。Cloud Speech API 支援的 Speex 編碼格式會在每個區塊中加入標頭位元組，如 MIME 類型 audio/x-speex-with-header-byte 所示。這是 RFC 5574 中定義的 RTP Speex 編碼變體。串流是由一連串區塊組成，每個 RTP 封包是一個區塊。每個區塊的開頭都是包含區塊長度的位元組 (長度單位為位元組)，後面加上一或多個 Speex 資料框架，再依 RFC 5574 的規定填充至整數位元組 (八位元組)。換句話說，每個 RTP 標頭都會由包含區塊長度的單一位元組所取代。系統僅支援 Speex 寬頻。sample_rate_hertz 必須為 16000。
MP3	MP3 音訊。MP3 編碼是 Beta 版功能，僅適用於 v1p1beta1。支援所有標準 MP3 位元率 (範圍為 32 到 320 kbps)。使用這項編碼時，sample_rate_hertz 必須與所用檔案的取樣率相符。
WEBM_OPUS	WebM 容器中的 Opus 編碼音訊影格 (WebM)。sample_rate_hertz 必須是 8000、12000、16000、24000 或 48000。
ALAW	使用 G.711 PCMU/a-law 壓縮 13 位元音訊樣本的 8 位元樣本。

RecognitionMetadata

這個項目已遭淘汰！

待辨識音訊資料的說明。

欄位
interaction_type	InteractionType 最能描述要辨識音訊內容的用途。
industry_naics_code_of_audio	uint32 最符合這項語音辨識要求的產業。這是音訊包含的主題中最直陳的。使用 6 位數的 NAICS 代碼識別產業類別 - 請參閱 https://www.naics.com/search/。
microphone_distance	MicrophoneDistance 最能描述所辨識音訊的音訊類型。
original_media_type	OriginalMediaType 語音原本是使用哪種媒體錄製。
recording_device_type	RecordingDeviceType 用來錄製語音的裝置類型。
recording_device_name	string 用於錄音的裝置。例如「Nexus 5X」或「Polycom SoundStation IP 6000」或「POTS」或「VoIP」或「Cardioid Microphone」。
original_mime_type	string 原始音訊檔案的 MIME 類型。例如：audio/m4a、audio/x-alaw-basic、audio/mp3、audio/3gpp。如需可能的音訊 MIME 類型清單，請前往 http://www.iana.org/assignments/media-types/media-types.xhtml#audio
obfuscated_id (deprecated)	int64 這個項目已遭淘汰！ 經過模糊處理 (受隱私權保護) 的使用者 ID，用於識別服務的不重複使用者人數。
audio_topic	string 內容說明。例如：「2012 年聯邦最高法院聽證會的錄音檔」。

InteractionType

可用來說明音訊辨識要求的使用案例類別。

列舉
INTERACTION_TYPE_UNSPECIFIED	使用案例不明，或是不屬於下列任何一值。
DISCUSSION	有多人參與對話或討論。舉例來說，至少有兩個人參與的會議。所有主要說話者通常會在同一個房間內 (如果不是，請參閱 PHONE_CALL)。
PRESENTATION	至少有一個人在對其他人演講或做簡報，而且幾乎沒有受到干擾。
PHONE_CALL	至少有兩個人參與的語音通話或視訊會議，而且這些人都不在同一個房間內。
VOICEMAIL	為了要讓另一個人聆聽而錄製的訊息。
PROFESSIONALLY_PRODUCED	以專業的方式製作的音訊 (例如電視節目、Podcast)。
VOICE_SEARCH	將口說的問題和查詢轉錄成文字。
VOICE_COMMAND	將語音指令 (例如用來控制裝置的語音指令) 轉錄成文字。
DICTATION	將語音轉錄成文字來建立書面文件，例如文字訊息、電子郵件或報告。

MicrophoneDistance

列舉音訊檔案的擷取設定類型。

列舉
MICROPHONE_DISTANCE_UNSPECIFIED	音訊類型不明。
NEARFIELD	音訊是透過靠得很近的麥克風所擷取。例如手機、口述錄音機或手持麥克風。一般是指說話者與麥克風的距離不到 1 公尺。
MIDFIELD	說話者與麥克風的距離不到 3 公尺。
FARFIELD	說話者與麥克風的距離超過 3 公尺。

OriginalMediaType

語音原本是使用哪種媒體錄製。

列舉
ORIGINAL_MEDIA_TYPE_UNSPECIFIED	原始的媒體類型不明。
AUDIO	語音資料是錄音而來。
VIDEO	語音資料原本是與影片一併錄製。

RecordingDeviceType

用來錄製語音的裝置類型。

列舉
RECORDING_DEVICE_TYPE_UNSPECIFIED	錄製裝置不明。
SMARTPHONE	語音是使用智慧型手機錄製。
PC	語音是使用個人電腦或平板電腦錄製。
PHONE_LINE	語音是透過電話線路錄製。
VEHICLE	語音是在交通工具中錄製。
OTHER_OUTDOOR_DEVICE	語音是在室外錄製。
OTHER_INDOOR_DEVICE	語音是在室內錄製。

RecognizeRequest

用戶端為 Recognize 方法傳送的頂層訊息。

欄位
config	RecognitionConfig 這是必要旗標，提供資訊給語音辨識器，指定處理要求的方式。
audio	RecognitionAudio 這是必要旗標，待辨識的音訊資料。

RecognizeResponse

這是 Recognize 方法傳回給用戶端的唯一訊息。其中包含零或多個連續的 SpeechRecognitionResult 訊息，做為結果。

欄位
results[]	SpeechRecognitionResult 與音訊部分的順序相對應的轉錄結果連續清單。
total_billed_time	Duration 如果有的話，對應要求的計費音訊秒數。
speech_adaptation_info	SpeechAdaptationInfo 提供回應中的調整行為相關資訊
request_id	int64 與要求相關聯的 ID。這是專屬 ID，僅適用於指定要求。
using_legacy_models	bool 要求是否使用舊版 ASR 模型 (未自動遷移至使用 Conformer 模型)。

SpeakerDiarizationConfig

啟用說話者分段標記的設定。

欄位
enable_speaker_diarization	bool 如果設為「true」，系統會使用 WordInfo 中提供的 speaker_label，為辨識結果中每個辨識的字詞啟用說話者偵測功能。
min_speaker_count	int32 對話中的說話者人數下限。系統可透過這個範圍自動判斷正確說話者人數，讓您享有更大彈性。如未設定，則預設值為 2。
max_speaker_count	int32 對話中的說話者人數上限。系統可透過這個範圍自動判斷正確說話者人數，讓您享有更大彈性。如未設定，則預設值為 6。
speaker_tag (deprecated)	int32 這個項目已遭淘汰！ 僅供輸出。未使用。

SpeechAdaptation

語音調整設定。

欄位
phrase_sets[]	PhraseSet 詞組集集合。如要內嵌指定提示，請將詞組集的 name 留白，並填寫其餘欄位。任何詞組集都可以使用任何自訂類別。
phrase_set_references[]	string 要使用的詞組集資源名稱集合。
custom_classes[]	CustomClass 一組自訂類別。如要內嵌指定類別，請將類別的 name 留空，並填寫其餘欄位，為類別提供專屬的 custom_class_id。在片語提示中，透過 custom_class_id 參照內嵌定義的類別。
abnf_grammar	ABNFGrammar 擴充巴科斯範式 (ABNF) 是一組衍生規則組成的標準化文法標記法。請參閱規格：https://www.w3.org/TR/speech-grammar

ABNFGrammar

欄位
abnf_strings[]	string ABNF 文法的所有宣告和規則都會分成多個字串，最後會串連在一起。

SpeechAdaptationInfo

瞭解語音調整功能在搜尋結果中的使用情形

欄位
adaptation_timeout	bool 套用語音調整功能時是否發生逾時。如果為 true，表示回應轉錄稿未受調整項影響。
timeout_message	string 如果已設定，則會傳回訊息，指出語音適應要求哪個部分逾時。

SpeechContext

「提示」語音辨識器，讓它在結果中比較常使用特定的字詞及片語。

欄位
phrases[]	string 包含字詞和詞組「提示」的字串清單，讓語音辨識器更有可能辨識出這些字詞和詞組。可用來提高特定字詞和片語的準確率，例如在使用者經常下達特定指令的情況下。此功能也可用來為辨識器的詞彙增加新的字詞。請參閱使用限制。 清單項目也可以設為類別，代表自然語言中常見概念的字詞群組。舉例來說，與其為一年中的每個月提供片語提示，不如使用 $MONTH 類別，這樣就能提高正確轉錄音訊中月份的機率。
boost	float 提示強化。正值會提高系統辨識特定詞組的機率，而非其他發音相似的詞組。提升幅度越高，誤判的可能性也越高。負值則代表反向加成，由於未啟用反偏誤功能，系統會直接忽略負向加成。雖然 boost 可接受各種正值，但大多數用途最適合的值介於 0 到 20 之間。建議使用二分搜尋法，找出最適合您用途的值。

SpeechRecognitionAlternative

替代結果假設 (也就是 N 個最佳結果的清單)。

欄位
transcript	string 轉錄稿文字，代表使用者說出的字詞。在以空格分隔字詞的語言中，如果轉錄稿不是第一個結果，開頭可能會出現空格。您可以串連各項結果，取得完整轉錄稿，不必使用分隔符。
confidence	float 預估信心值，範圍介於 0.0 和 1.0 之間。數字越大，代表系統預估辨識出的字詞正確無誤的可能性越高。這個欄位只會針對非串流結果的最佳替代方案，或 is_final=true 的串流結果進行設定。我們並不保證這個欄位的正確性，也不保證每次都會提供這個欄位。預設值 0.0 是表示未設定 confidence 的信號值。
words[]	WordInfo 每個已辨識字詞的字詞專屬資訊清單。注意：如果 enable_speaker_diarization 為 true，你會看到音訊開頭的所有字詞。

SpeechRecognitionResult

對應到某個音訊部分的語音辨識結果。

欄位
alternatives[]	SpeechRecognitionAlternative 可能包含一或多個辨識假設 (最多為 max_alternatives 中指定的值)。這些替代方案會依準確度排序，最有可能的替代方案會排在最前面。
channel_tag	int32 如果是多聲道音訊，這是與該聲道音訊辨識結果對應的聲道編號。如果 audio_channel_count = N，則它的輸出值範圍是「1」到「N」。
result_end_time	Duration 這個結果的結尾相對於音訊開頭的時間偏移。
language_code	string 僅供輸出。這個結果中的 BCP-47 語言代碼。系統偵測到這個語言代碼是音訊內容最有可能使用的語言。

StreamingRecognitionConfig

提供資訊給語音辨識器，指定處理要求的方式。

欄位
config	RecognitionConfig 這是必要旗標，提供資訊給語音辨識器，指定處理要求的方式。
single_utterance	bool 如為 false 或省略，辨識器會執行連續辨識作業 (即使使用者暫停說話，仍會繼續等待並處理音訊)，直到用戶端關閉輸入串流 (gRPC API)，或達到時間上限為止。如果 is_final 旗標設為 true，可能會傳回多個 StreamingRecognitionResult。 如為 true，辨識工具會偵測單一語音內容。偵測到使用者暫停或停止說話時，系統會傳回 END_OF_SINGLE_UTTERANCE 事件並停止辨識。系統最多會傳回一個 StreamingRecognitionResult，且 is_final 旗標會設為 true。 single_utterance 欄位只能搭配指定模型使用，否則會擲回錯誤。RecognitionConfig 中的 model 欄位必須設為： command_and_search phone_call AND additional field useEnhanced=true model 欄位未定義。在這種情況下，API 會根據您在 RecognitionConfig 中設定的任何其他參數，自動選取模型。
interim_results	bool 如果 true，系統可能會在取得暫時結果 (暫時假設) 時傳回，這些暫時結果會以 is_final=false 旗標表示。如果為 false 或省略，則只會傳回 is_final=true 結果。
enable_voice_activity_events	bool 如果 true，系統會在偵測到語音活動語音事件時，傳回相關回應。
voice_activity_timeout	VoiceActivityTimeout 如果設定了這項屬性，伺服器會在傳送最後一個 VOICE_ACTIVITY 語音事件後，經過指定時間長度後自動關閉串流。欄位 voice_activity_events 也必須設為 true。

VoiceActivityTimeout

可為語音活動設定逾時的事件。

欄位
speech_start_timeout	Duration 如果沒有開始說話，串流逾時的時間長度。
speech_end_timeout	Duration 語音結束後，串流逾時的時間長度。

StreamingRecognitionResult

對應到目前處理中音訊的某個部分的串流語音辨識結果。

欄位
alternatives[]	SpeechRecognitionAlternative 可能包含一或多個辨識假設 (最多為 max_alternatives 中指定的值)。這些替代方案會依準確度排序，最有可能的替代方案會排在最前面。
is_final	bool 如果 false 為 false，則 StreamingRecognitionResult 代表可能變更的中間結果。如果 true，語音服務將最後一次傳回這個特定 StreamingRecognitionResult，辨識器不會再傳回這部分轉錄稿和相應音訊的任何假設。
stability	float 辨識器不會再針對這個暫時結果變更自己猜測的預估可能性。值的範圍介於 0.0 (完全不穩定) 到 1.0 (完全穩定) 之間。這個欄位只會提供暫時結果 (is_final=false)。預設值 0.0 是表示未設定 stability 的標記值。
result_end_time	Duration 這個結果的結尾相對於音訊開頭的時間偏移。
channel_tag	int32 如果是多聲道音訊，這是與該聲道音訊辨識結果對應的聲道編號。如果 audio_channel_count = N，則它的輸出值範圍是「1」到「N」。
language_code	string 僅供輸出。這個結果中的 BCP-47 語言代碼。系統偵測到這個語言代碼是音訊內容最有可能使用的語言。

StreamingRecognizeRequest

用戶端為 StreamingRecognize 方法傳送的頂層訊息。系統傳送多封 StreamingRecognizeRequest 訊息。第一個訊息必須包含 streaming_config 訊息，且不得包含 audio_content。所有後續訊息都必須包含 audio_content，且不得包含 streaming_config 訊息。

欄位
聯集欄位 streaming_request。串流要求，可以是串流設定或音訊內容。streaming_request 只能是下列其中一項：
streaming_config	StreamingRecognitionConfig 提供給辨識器的資訊，用於指定如何處理要求。第一個 StreamingRecognizeRequest 訊息必須包含 streaming_config 訊息。
audio_content	bytes 待辨識的音訊資料。系統會透過循序 StreamingRecognizeRequest 訊息傳送循序音訊資料區塊。第一個 StreamingRecognizeRequest 訊息不得包含 audio_content 資料，所有後續 StreamingRecognizeRequest 訊息都必須包含 audio_content 資料。音訊位元組必須按照 RecognitionConfig 的規定編碼。注意：與所有位元組欄位一樣，Proto 緩衝區會使用純二進位表示法 (而非 Base64)。詳情請參閱內容限制。

StreamingRecognizeResponse

StreamingRecognizeResponse 是 StreamingRecognize 傳回給用戶端的唯一訊息。系統會將一系列零或多則 StreamingRecognizeResponse 訊息串流回用戶端。如果沒有可辨識的音訊，且 single_utterance 設為 false，系統就不會將任何訊息串流回用戶端。

以下是處理音訊時可能傳回的一系列 StreamingRecognizeResponse 範例：

1. results { alternatives { transcript: "tube" } stability: 0.01 }

2. results { alternatives { transcript: "to be a" } stability: 0.01 }

3. results { alternatives { transcript: "to be" } stability: 0.9 } results { alternatives { transcript: " or not to be" } stability: 0.01 }

4. results { alternatives { transcript: "to be or not to be" confidence: 0.92 } alternatives { transcript: "to bee or not to bee" } is_final: true }

5. results { alternatives { transcript: " that's" } stability: 0.01 }

6. results { alternatives { transcript: " that is" } stability: 0.9 } results { alternatives { transcript: " the question" } stability: 0.01 }

7. results { alternatives { transcript: " that is the question" confidence: 0.98 } alternatives { transcript: " that was the question" } is_final: true }

注意：

• 只有上述回應 #4 和 #7 包含最終結果，以 is_final: true 表示。將這些回應串連起來，即可產生完整的轉錄內容：「to be or not to be that is the question」。

• 其他則包含臨時 results。#3 和 #6 包含兩個暫時性 results：第一部分穩定性高，不太可能變更；第二部分穩定性低，很可能變更。UI 設計師可能會選擇只顯示高穩定性 results。

• 上文顯示的特定 stability 和 confidence 值僅供說明用途。實際的值可能會有所不同。

• 在每個回應中，只會設定下列其中一個欄位：error、speech_event_type，或一或多個 (重複) results。

欄位
error	Status 如果已設定，則會傳回 google.rpc.Status 訊息，指出作業的錯誤。
results[]	StreamingRecognitionResult 這個重複清單包含 0 個或更多的結果，對應到目前處理中音訊的幾個連續部分。其中包含零或一個 is_final=true 結果 (新結算的款項)，後接零或多個 is_final=false 結果 (暫時結果)。
speech_event_type	SpeechEventType 代表語音事件的類型。
speech_event_time	Duration 音訊開頭與事件發出之間的時間差。
total_billed_time	Duration 如果適用，系統會顯示串流的計費音訊秒數。只有在這是串流中的最後一個回應時，才需要設定。
speech_adaptation_info	SpeechAdaptationInfo 提供回應中的調整行為相關資訊
request_id	int64 與要求相關聯的 ID。這是專屬 ID，僅適用於指定要求。

SpeechEventType

代表語音事件的類型。

列舉
SPEECH_EVENT_UNSPECIFIED	沒有指定語音事件。
END_OF_SINGLE_UTTERANCE	這個事件表示伺服器偵測到使用者語音內容已結束，並認為沒有任何其他語音內容。因此，伺服器不會處理任何其他音訊內容 (雖然後續可能傳回其他結果)。用戶端應停止傳送其他音訊資料、半關閉 gRPC 連線，並等候任何其他結果，直到伺服器關閉 gRPC 連線為止。只有在 single_utterance 設為 true 時，系統才會傳送這項事件，否則不會使用。
SPEECH_ACTIVITY_BEGIN	這項事件表示伺服器已偵測到串流中出現人聲。如果語音在整個串流中反覆開始和停止，這個事件可能會多次傳回。只有在 voice_activity_events 設為 True 時，才會傳送這項事件。
SPEECH_ACTIVITY_END	這項事件表示伺服器已偵測到串流中的人聲活動結束。如果語音在整個串流中反覆開始和停止，這個事件可能會多次傳回。只有在 voice_activity_events 設為 True 時，才會傳送這項事件。
SPEECH_ACTIVITY_TIMEOUT	這個事件表示語音活動開始或結束的使用者設定逾時時間已超過。收到這項事件後，用戶端應傳送半關閉。系統不會處理後續音訊。

TranscriptNormalization

語音轉錄正規化設定。使用轉錄稿正規化功能，自動將轉錄稿的部分內容換成您選擇的詞組。如果是 StreamingRecognize，這項正規化功能只會套用至穩定度大於 0.8 的穩定部分轉錄稿和最終轉錄稿。

欄位
entries[]	Entry 替換項目清單。我們會一次替換一個項目。舉例來說，["cat" => "dog", "mountain cat" => "mountain dog"] 中的第二個項目永遠不會套用，因為系統一律會先處理第一個項目。最多 100 個項目。

項目

單一取代設定。

欄位
search	string 要取代的內容。長度上限為 100 個半形字元。
replace	string 要取代為哪個選項。長度上限為 100 個半形字元。
case_sensitive	bool 搜尋是否區分大小寫。

TranscriptOutputConfig

指定辨識結果的選用目的地。

欄位
聯集欄位 output_type。 output_type 只能是下列其中一項：
gcs_uri	string 指定辨識結果的 Cloud Storage URI。格式必須為 gs://bucket_name/object_name，且值區必須已存在。

UpdateCustomClassRequest

用戶端為 UpdateCustomClass 方法傳送的訊息。

欄位
custom_class	CustomClass 這是必要旗標，要更新的自訂類別。 自訂類別的 name 欄位用於識別要更新的自訂類別。格式： projects/{project}/locations/{location}/customClasses/{custom_class} Speech-to-Text 支援三個位置：global、us (北美洲美國) 和 eu (歐洲)。如果您要呼叫 speech.googleapis.com 端點，請使用 global 位置。如要指定區域，請使用相符的 us 或 eu 位置值搭配區域端點。 授權需要指定資源 customClass 的下列 IAM 權限： speech.customClasses.update
update_mask	FieldMask 要更新的欄位清單。

UpdatePhraseSetRequest

用戶端為 UpdatePhraseSet 方法傳送的訊息。

欄位
phrase_set	PhraseSet 這是必要旗標，要更新的詞組。 詞組集的 name 欄位用於識別要更新的集合。格式： projects/{project}/locations/{location}/phraseSets/{phrase_set} Speech-to-Text 支援三個位置：global、us (北美洲美國) 和 eu (歐洲)。如果您要呼叫 speech.googleapis.com 端點，請使用 global 位置。如要指定區域，請使用相符的 us 或 eu 位置值搭配區域端點。 授權需要指定資源 phraseSet 的下列 IAM 權限： speech.phraseSets.update
update_mask	FieldMask 要更新的欄位清單。

WordInfo

已辨識字詞的字詞專屬資訊。

欄位
start_time	Duration 相對於音訊開頭的時間偏移，且對應到所說字詞的開頭。只有在 enable_word_time_offsets=true 且僅在頂層假設中，才會設定這個欄位。這是實驗性功能，且時間偏移的準確性可能不一。
end_time	Duration 相對於音訊開頭的時間偏移，且對應到所說字詞的結尾。只有在 enable_word_time_offsets=true 且僅在頂層假設中，才會設定這個欄位。這是實驗性功能，且時間偏移的準確性可能不一。
word	string 對應到這組資訊的字詞。
confidence	float 預估信心值，範圍介於 0.0 和 1.0 之間。數字越大，代表系統預估辨識出的字詞正確無誤的可能性越高。這個欄位只會針對非串流結果的最佳替代方案，或 is_final=true 的串流結果進行設定。我們並不保證這個欄位的正確性，也不保證每次都會提供這個欄位。預設值 0.0 是表示未設定 confidence 的信號值。
speaker_tag (deprecated)	int32 這個項目已遭淘汰！ 僅供輸出。指派給音訊中每位說話者的不同整數值。這個欄位會指定當這個字詞被說出時，系統會偵測到哪位說話者。值範圍為「1」到 diarization_speaker_count。如果 enable_speaker_diarization =「true」，且僅適用於最佳替代轉錄，系統就會設定 speaker_tag。注意：請改用 speaker_label。
speaker_label	string 僅供輸出。指派給音訊中每個不重複說話者的標籤值。這個欄位會指定偵測到說出這個字詞的說話者。對於某些模型 (例如 medical_conversation)，這可能是實際的說話者角色，例如「病患」或「醫療人員」，但一般來說，這會是識別說話者的數字。只有在 enable_speaker_diarization = 'true' 時，系統才會設定這個欄位，且只會針對最符合的替代方案設定。