如何让Google Speech to text API始终将识别数字返回为文字写法

以下是可落地的实现方案，可单独使用也可组合使用保证效果：

• 方案1：调整API转录配置参数
  Google STT的RecognitionConfig配置项中，直接开启enable_spoken_numbers参数即可，该参数的设计作用就是要求API将识别到的数字统一输出为口语化文字拼写形式，而非阿拉伯数字，目前主流支持的语言都可以适配该参数。
  配置参考示例：

  {
    "config": {
      "encoding": "LINEAR16",
      "sampleRateHertz": 16000,
      "languageCode": "en-US",
      "enableSpokenNumbers": true
    },
    "audio": {
      "uri": "gs://your-bucket/audio-file-path"
    }
  }
  

• 方案2：添加短语强化提示
  如果部分冷门语境下配置参数仍有偏差，可以给请求添加phrase_set短语集，把你需要覆盖的所有数字拼写（比如英文的one、two、ten，中文的一、二、十等）添加到短语集中，设置较高的权重，强制API优先返回文字拼写结果。
• 方案3：后置转换兜底
  作为最终容错方案，你可以在拿到API返回结果后，引入数字转文字的工具库对结果中的阿拉伯数字做批量转换：英文场景用num2words库，中文场景用cn2an的转汉字功能，只要检测到返回结果中的阿拉伯数字就统一转换为对应文字拼写，完全避免遗漏。这种方案容错率最高，尤其适合词汇学习类对输出准确性要求高的场景。

内容的提问来源于stack exchange，提问作者mkn