Google Speech-To-Text语音转文字自定义短语不生效问题咨询

1. 直接配置自定义短语不生效的原因及解决方案 #

你当前的配置未生效是因为缺少了*权重（boost）*参数设置：

• Google STT的自定义短语默认权重极低，仅对模型完全没见过的生僻词生效。而Burrows-Wheeler是通用算法术语，模型预训练阶段已经给了极高的默认置信度，没有显式拉高自定义短语权重的情况下，会直接忽略你配置的内容。
• 解决方案是给每个自定义短语添加10~20的boost值（最高支持20），优先级直接覆盖默认模型权重，修改后的配置示例如下：

# 建议使用v1p1beta1版本客户端，短语适配效果更好
from google.cloud import speech_v1p1beta1 as speech

client = speech.SpeechClient()
config = speech.RecognitionConfig(
    encoding=speech.RecognitionConfig.AudioEncoding.ENCODING_UNSPECIFIED,
    sample_rate_hertz=24000,
    language_code="en-US",
    enable_word_time_offsets=True,
    speech_contexts=[
        speech.SpeechContext(
            phrases=[
                {"value": "barrows", "boost": 15},
                {"value": "barrows wheeler", "boost": 15},
                {"value": "barrows wheeler transform", "boost": 20}
            ]
        )
    ]
)

如果调整后仍未生效，可以把boost值拉满到20即可。

2. AdaptationClient返回内部错误的排查方向 #

按优先级逐个排查：

• 区域不匹配：你创建自定义短语集（PhraseSet）、自定义类（CustomClass）时选择的区域，必须和识别请求发送的区域完全一致，跨区域请求大概率返回500内部错误。
• 流程错误：使用Adaptation功能不能直接初始化客户端就调用识别，需要先调用接口创建PhraseSet资源，拿到资源ID后再在识别配置的adaptation字段关联该资源ID，同时设置boost值，流程遗漏会导致请求异常。
• 权限问题：你使用的服务账号需要同时拥有speech.phraseSets.create、speech.recognize权限，权限缺失也可能返回无明确提示的内部错误。
• 音频长度问题：如果你的音频时长超过1分钟，必须用异步长语音识别接口long_running_recognize，同步接口处理长音频大概率触发500错误。

内容的提问来源于stack exchange，提问作者sam