语音转文本的显示文本格式设置
语音转文本提供一系列格式设置功能,确保转录的文本清晰易读。 有关每个功能如何用于提高最终文本输出的整体清晰度的概述,请参阅以下部分。
ITN
反向文本规范化 (ITN) 是一个将口语转换为书面形式的过程。 例如,口语“四”转换为书面形式“4”。 语音转文本服务可完成此过程,且不可配置。 一些受支持的文本格式包括日期、时间、小数、货币、地址、电子邮件和电话号码。 你可以自然说话,该服务会按预期设置文本格式。 下表显示应用于文本输出的 ITN 规则。
已识别的语音 | 显示文本 |
---|---|
that will cost nine hundred dollars |
That will cost $900. |
my phone number is one eight hundred, four five six, eight nine ten |
My phone number is 1-800-456-8910. |
the time is six forty five p m |
The time is 6:45 PM. |
I live on thirty five lexington avenue |
I live on 35 Lexington Ave. |
the answer is six point five |
The answer is 6.5. |
send it to support at help dot com |
Send it to support@help.com. |
大写
语音转文本模型可识别应大写的单词,以提高可读性、准确性和语法水平。 例如,语音服务将在句子开头自动大写正确的名词和单词。 下表显示了一些示例。
已识别的语音 | 显示文本 |
---|---|
i got an x l t shirt |
I got an XL t-shirt. |
my name is jennifer smith |
My name is Jennifer Smith. |
i want to visit new york city |
I want to visit New York City. |
删除不流畅之处
说话时,有人经常口吃、重复单词,还会说“嗯”或“呃”之类的填充词。 语音转文本可以识别这种不流畅的语流并将其从显示文本中删除。 删除不流畅之处非常适合用于听录现场无稿演讲,以便稍后再阅读。 下表显示了一些示例。
已识别的语音 | 显示文本 |
---|---|
i uh said that we can go to the uhmm movies |
I said that we can go to the movies. |
its its not that big of uhm a deal |
It's not that big of a deal. |
umm i think tomorrow should work |
I think tomorrow should work. |
标点
语音转文本会自动为文本添加标点,让文本更加一目了然。 标点符号有助于复述通话内容或对话听录。 下表显示了一些示例。
已识别的语音 | 显示文本 |
---|---|
how are you |
How are you? |
we can go to the mall park or beach |
We can go to the mall, park, or beach. |
使用语音转文本进行连续识别时,可以将语音服务配置为识别显式标点符号。 然后你可大声说出标点符号,使文本更清晰易读。 在你想要使用复杂标点符号而无需在之后添加的情况下,这尤其有用。 下表显示了一些示例。
已识别的语音 | 显示文本 |
---|---|
they entered the room dot dot dot |
They entered the room... |
i heart emoji you period |
I <3 you. |
the options are apple forward slash banana forward slash orange period |
The options are apple/banana/orange. |
are you sure question mark |
Are you sure? |
如果使用语音转文本进行连续识别,请使用语音 SDK 启用听写模式。 此模式会促使语音配置实例解释对句子结构(如标点符号)进行的字面描述。
speechConfig.EnableDictation();
speechConfig->EnableDictation();
speechConfig.EnableDictation()
speechConfig.enableDictation();
speechConfig.enableDictation();
[self.speechConfig enableDictation];
self.speechConfig!.enableDictation()
speech_config.enable_dictation()
亵渎内容筛选器
可以指定是屏蔽、删除还是显示最终听录文本中的不雅内容。 如果选择屏蔽不雅字词,可用星号 (*) 字符替代,这样可以保留文本的原始情绪,同时使其更适合某些情况
注意
Microsoft 还保留屏蔽或删除被视为不恰当的任何单词的权利。 语音服务不会返回此类单词,无论是否启用了亵渎内容筛选器。
亵渎内容筛选器选项包括:
Masked
:将不雅词语中的字母替换为星号 (*) 字符。 屏蔽是默认选项。Raw
:包括不雅词语原义。Removed
:删除不雅词语。
例如,若要从语音识别结果中删除不雅词语,请将亵渎内容筛选器设置为 Removed
,如下所示:
speechConfig.SetProfanity(ProfanityOption.Removed);
speechConfig->SetProfanity(ProfanityOption::Removed);
speechConfig.SetProfanity(common.Removed)
speechConfig.setProfanity(ProfanityOption.Removed);
speechConfig.setProfanity(sdk.ProfanityOption.Removed);
[self.speechConfig setProfanityOptionTo:SPXSpeechConfigProfanityOption.SPXSpeechConfigProfanityOption_ProfanityRemoved];
self.speechConfig!.setProfanityOptionTo(SPXSpeechConfigProfanityOption_ProfanityRemoved)
speech_config.set_profanity(speechsdk.ProfanityOption.Removed)
spx recognize --file caption.this.mp4 --format any --profanity masked --output vtt file - --output srt file -
亵渎内容筛选器应用于结果 Text
和 MaskedNormalizedForm
属性。 亵渎内容筛选器不应用于结果 LexicalForm
和 NormalizedForm
属性。 亵渎内容筛选器不应用于单词级别结果。