有没有办法强制 Google Speech api 仅返回单词作为响应？

我正在使用谷歌这个API：-

"+ language_code"& key="我的密钥"

用于语音识别，并且效果非常好。

问题在于数字，即如果我说one two three four结果将是1234如果我说one thousand two hundred thirty four结果还是1234.

另一个问题是对于其他语言，即这个词elf德语是eleven。如果你说elf结果是11，而不是精灵。

我知道我们无法控制 api，但是我们可以向此 api 添加任何参数或 hack 来强制它仅返回单词。

有时响应会产生正确的结果，但并非总是如此。

这些是示例响应

1）当我说“一二三四”时

{"result":[{"alternative":[{"transcript":"1234","confidence":0.47215959},{"transcript":"1 2 3 4","confidence":0.25},{"transcript":"one two three four","confidence":0.25},{"transcript":"1 2 34","confidence":0.33333334},{"transcript":"1 to 34","confidence":1}],"final":true}],"result_index":0}

2）当我说“一千二百三十四”时

{"result":[{"alternative":[{"transcript":"1234","confidence":0.94247383},{"transcript":"1.254","confidence":1},{"transcript":"1284","confidence":1},{"transcript":"1244","confidence":1},{"transcript":"1230 4","confidence":1}],"final":true}],"result_index":0}

我做了什么。

检查结果是否为数字，然后将每个数字按空格分开，并检查结果数组中是否存在相同的序列。在这个例子中结果 1234 变为 1 2 3 4，将搜索结果数组中是否有相似的序列，然后将其转换为单词。在第二种情况下，没有 1 2 3 4，因此将保留原始结果。

这是代码。

 String numberPattern = "[0-9]";
  Pattern r1 = Pattern.compile(numberPattern);
  Matcher m2 = r1.matcher(output);
  if (m2.find()) {
      char[] digits2 = output.toCharArray();
      String digit = "";
      for (char c: digits2) {
          digit += c + " ";
      }

      for (int i = 1; i < jsonArray2.length(); i++) {
          String value = jsonArray2.getJSONObject(i).getString("transcript");
          if (digit.trim().equals(value.trim())) {
              output = digit + " ";
          }
      }
  }

所以问题是，当我“说十三四八”时，这种方法会将 13 分成一三，因此不是一个可靠的解决方案。

Update

我尝试了新的云视觉 api (https://cloud.google.com/speech/ https://cloud.google.com/speech/）并且比 v2 好一点。结果为one two three four就语言本身而言，我的解决方法也有效。但当我说thirteen four eight仍然和 v2 中的结果相同。

而且 elf 在德语中仍然是 11 岁。

也尝试过speech_context那也没用。

看看这个问题和答案 https://stackoverflow.com/questions/39893742/google-speech-api-transcribing-spoken-numbers-incorrectly/42172599#42172599.

您可以向 API 提供“语音上下文”提示，如下所示：

"speech_context": {
  "phrases":["zero", "one", "two", ... "nine", "ten", "eleven", ... "twenty", "thirty,..., "ninety"]
 }

我想这也适用于其他语言，比如德语。

"speech_context": {
  "phrases":["eins", "zwei", "drei", ..., "elf", "zwölf" ... ]
 }