Определение дикторов

API v3 в результатах распознавания может указывать, какому из дикторов принадлежит каждая распознанная фраза.

Определение дикторов работает для распознавания в режиме FULL_DATA только для монозаписей. В результатах распознавания может быть не больше двух дикторов.

Чтобы включить разметку дикторов, используйте следующие параметры сессии:

Python 3

recognize_options = stt_pb2.StreamingOptions(

speaker_labeling=stt_pb2.SpeakerLabelingOptions(

# Включить разметку дикторов

speaker_labeling=stt_pb2.SpeakerLabelingOptions.SPEAKER_LABELING_ENABLED

),

recognition_model=stt_pb2.RecognitionModelOptions(

# Версия модели распознавания

model="general:rc",

audio_format=stt_pb2.AudioFormatOptions(

container_audio=stt_pb2.ContainerAudio(

container_audio_type=stt_pb2.ContainerAudio.WAV

)

),

# Режим распознавания

audio_processing_type=stt_pb2.RecognitionModelOptions.FULL_DATA

)

В результатах распознавания появятся метки channel_tag, принимающие значения 0 или 1. Каждое значение соответствует одному диктору. Вы можете обрабатывать результаты следующим образом:

Python 3

try:

for r in it:

event_type, alternatives = r.WhichOneof('Event'), None

if event_type == 'final':

alternatives = [a.text for a in r.final.alternatives]

elif event_type == 'final_refinement':

alternatives = [a.text for a in r.final_refinement.normalized_text.alternatives]

else:

continue

print(f'type={event_type}, alternatives={alternatives}, channel_tag = {r.channel_tag}')

except grpc._channel._Rendezvous as err:

print(f'Error code {err._state.code}, message: {err._state.details}')

raise err