Dialogflow es 使用Google SR插件和动态语音上下文提高Google云语音到文本API和Dialogflow的性能

任务：我们正在尝试构建一个Dialogflow代理，它将通过Cisco电话堆栈与呼叫者进行交互。我们将尝试从调用方收集字母数字凭据

以下是我们建议的架构：

问题：为了向Dialogflow发送文本输入，我们正在使用Google Cloud的Speech to text（STT）API将调用方的音频转换为文本。然而，STTAPI并不总是按预期执行。例如，如果呼叫者希望说他/她的DOB是

04-04-90

，则转录的音频可能返回为

oh For oh 490

。然而，通过传递到API，转录的音频可以得到极大的改进，因此我们需要根据场景动态发送这些提示。不幸的是，我们很难理解如何通过UniMRCP服务器（特别是服务器）动态传递这些短语提示

问题: 谷歌语音识别手册第5.2节概述了使用动态语音上下文

提供的示例是：

<grammar mode="voice" root="booking" version="1.0" xml:lang="en-US" xmlns="http://www.w3.org/2001/06/grammar">
    <meta name="scope" content="hint"/>
    <rule id="booking">
        <one-of>
            <item> 04 04 1990</item>
            <item> 04 04 90</item>
            <item> April 4th 1990</item>
        </one-of>
    </rule>
</grammar>

    
    
        
             04 04 1990
             04 04 90
1990年4月4日
        
    

这是否仍然像内置语法

builtin:speech/transcribe

那样转录所有用户输入

例如，如果我说的是1980年3月5日，谷歌的STT会返回1980年3月5日，还是只返回其中一项

---

为了清楚起见，我希望Google的STT能够返回的不仅仅是提供的项目，因此如果用户说

1980年3月5日，

我希望通过UniMRCP、VBB、CVP返回，并传递给Dialogflow有人告诉我，即使STT返回1980年3月5日的

CVP或语音浏览器可能会将其评估为“不匹配”。
Dialogflow接受的不仅仅是文本输入

它可以基于或基于一个好的点进行意图检测。让我调整一下我的问题。我真的应该说，基于我们正在探索的体系结构，我们将向dialogflow发送文本，这些文本已使用Google STT从语音转换而来。但是，如果我们向dialogflow提供音频，他们会不会只是在后台使用STT API将文本与意图进行比较？是的，但您可以向dialogflow提供示例短语，其中包括日期实体类型，dialogflow可以使用这些类型为云STT进行短语成型。因此，在向dialogflow发送音频时，Dialogflow将使用我们在培训短语中提供的日期实体类型作为短语提示来云STT？如果这是真的，我们会非常高兴。这是我的理解，尽管我自己还没有测试过。和往常一样，您应该测试它们是否能像您所希望的那样工作。当然，我甚至没有意识到这种能力，所以非常感谢您提醒我注意这一点