Twilio 斜纹和细微差别ASR可能性

有没有人有使用twilio和Nuance ASR（）创建语音识别应用程序的经验\

我认为时间延迟不可能使它可行。例如，如果我要提示用户说些什么，让Nuance识别出来，然后把抄本还给我，然后在我的系统中查找进一步的操作只会花费很长时间

从用户处捕获音频

从twilio获取语音录制url

并将音频文件传递给nuance

然后从细微差别中提取转录

将单词与我的数据进行匹配

采取适当行动

这一切都应该发生得相当快，但它是否足够快，让打电话的人可以接受

任何想法都很好 多谢各位

---

另外，我试图创建标签细微差别，但不被允许

我目前正在提供实时翻译的通信平台上工作，我正在使用Twilio作为我们汽车的平台提供商。翻译语音通话功能。Nuance的ASR技术至少可以说是平均水平，绝对不能用于低频段音频。查看谷歌云语音API。我用它取得了很好的效果。ASR大约需要3-5秒。

Nuance Recognitor确实适用于低频段音频-事实上，它设计用于电话环境-之前的评论不正确。然而，问题在于及时将Twilio的音频流返回到识别器进行部分识别。通常，细微差别识别器使用MRCP与IVR平台集成，但我认为Twilio不支持此协议。因此，如果使用第三方引擎，您可能需要录制短语，然后提交（传输）到您的ASR实例，处理响应，并将结果发送回Twilio-这会导致延迟，因为ASR引擎无法处理部分音频。这个问题的简单例子-如果有人说了10秒钟，结果在10秒钟（录制时间）+传输时间+处理时间+返回到Twilio的时间内不会返回到Twilio

我知道这是一个老问题，但这个问题仍然出现在谷歌搜索结果的第一页

twilio asr

这是一个无耻的插件，但我们公司Voicegain已经开发了一个识别器，它的工作原理非常类似于Nunance ASR（以GRXML语法为例），并且还提供了Twilio媒体流集成，可以轻松地用作Twilio的ASR。与使用Google STT和Twilio相比，我们的识别器在本地使用语法，因此在特定用例中的准确度可能比Google STT高很多，而且我们的识别器支持完全超时，即。，它知道语法匹配，并将从较长的不完整超时切换到较短的完整超时

---

请参见此处：

谢谢，在处理结果所需的3-5秒内，您会做些什么？你会演奏一些保持音调或音乐吗？