Google Speech to Text是否支持添加警笛、汽车喇叭等非语音自定义词汇？

Google Speech to Text 不支持 将汽车喇叭、警报器、警笛等非语音环境声响转录为对应文本，原因如下：

• 该服务的声学模型仅针对人类口语内容训练，默认会将上述非语音内容判定为背景噪音过滤，不会输出任何对应关联文本。
• 即使配置自定义词汇库也无法实现对应识别，模型本身没有收录这类环境声响的特征数据，无法将声音特征匹配到你添加的词汇条目。

如果谷歌的服务无法适配你的需求，你可以选择支持自定义声响类别训练的云端服务实现目标功能：

• AWS Transcribe自定义声响分类功能：可上传标注完成的各类目标环境声响样本，训练专属分类模型，训练完成后即可直接输出对应声响的文本标签。
• Azure AI Speech自定义声学模型：支持扩展非语音识别类目，上传标注好的汽车喇叭、警笛等声响数据集完成微调后，即可实现对应声响到文本的转写。
• 阿里云智能语音交互自定义识别模型：支持自定义识别类目扩展，除常规语音外可添加环境声响识别类别，完成样本训练后即可适配你的需求。

注意：所有支持自定义声响转文本的云端服务，识别准确率都和你提供的标注样本质量、场景覆盖丰富度正相关，建议提前准备对应场景下的足量声响样本用于训练。

内容的提问来源于stack exchange，提问作者Fillip Emelyanov