Exibir formatação de texto com conversão de fala em texto
A conversão de voz em texto oferece uma série de recursos de formatação para garantir que o texto transcrito seja claro e legível. Consulte as seções abaixo para obter uma visão geral de como cada recurso é usado para melhorar a clareza geral da saída de texto final.
ITN
A Normalização de Texto Inverso (ITN) é um processo que converte palavras faladas em sua forma escrita. Por exemplo, a palavra falada "quatro" é convertida para a forma escrita "4". O serviço de conversão de fala em texto conclui esse processo e não é configurável. Alguns dos formatos de texto suportados incluem datas, horas, decimais, moedas, endereços, e-mails e números de telefone. Você pode falar naturalmente, e o serviço formata o texto conforme o esperado. A tabela a seguir mostra as regras ITN que são aplicadas à saída de texto.
Discurso reconhecido | Texto a apresentar |
---|---|
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. |
Uso de maiúsculas/minúsculas
Os modelos de fala para texto reconhecem palavras que devem ser maiúsculas para melhorar a legibilidade, a precisão e a gramática. Por exemplo, o serviço de Fala coloca automaticamente em maiúsculas os nomes próprios e as palavras no início de uma frase. Alguns exemplos são mostrados nesta tabela.
Discurso reconhecido | Texto a apresentar |
---|---|
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. |
Remoção de disfluência
Ao falar, é comum alguém gaguejar, duplicar palavras e dizer palavras de preenchimento como "uhm" ou "uh". A conversão de fala em texto pode reconhecer essas disfluências e removê-las do texto de exibição. A remoção da disfluência é ótima para transcrever discursos ao vivo sem script para lê-los mais tarde. Alguns exemplos são mostrados nesta tabela.
Discurso reconhecido | Texto a apresentar |
---|---|
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. |
Pontuação
A conversão de voz em texto pontua automaticamente o texto para melhorar a clareza. A pontuação é útil para ler transcrições de chamadas ou conversas. Alguns exemplos são mostrados nesta tabela.
Discurso reconhecido | Texto a apresentar |
---|---|
how are you |
How are you? |
we can go to the mall park or beach |
We can go to the mall, park, or beach. |
Quando estiver a utilizar a conversão de voz em texto com reconhecimento contínuo, pode configurar o serviço de Voz para reconhecer sinais de pontuação explícitos. Em seguida, você pode falar pontuação em voz alta para tornar seu texto mais legível. Isso é especialmente útil em uma situação em que você deseja usar pontuação complexa sem ter que mesclá-la mais tarde. Alguns exemplos são mostrados nesta tabela.
Discurso reconhecido | Texto a apresentar |
---|---|
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? |
Use o SDK de fala para habilitar o modo de ditado quando estiver usando fala para texto com reconhecimento contínuo. Esse modo faz com que a instância de configuração de fala interprete descrições de palavras de estruturas de frases, como pontuação.
speechConfig.EnableDictation();
speechConfig->EnableDictation();
speechConfig.EnableDictation()
speechConfig.enableDictation();
speechConfig.enableDictation();
[self.speechConfig enableDictation];
self.speechConfig!.enableDictation()
speech_config.enable_dictation()
Filtro de palavrões
Você pode especificar se deseja mascarar, remover ou mostrar palavrões no texto final transcrito. O mascaramento substitui palavras profanas por caracteres asterisco (*) para que você possa manter o sentimento original do seu texto, tornando-o mais apropriado para certas situações
Nota
A Microsoft também se reserva o direito de mascarar ou remover qualquer palavra que seja considerada inadequada. Essas palavras não serão devolvidas pelo serviço de Fala, independentemente de você ter ativado ou não a filtragem de palavrões.
As opções de filtro de palavrões são:
Masked
: Substitui letras em palavras profanas por caracteres asterisco (*). Mascarado é a opção padrão.Raw
: Inclua literalmente as palavras profanas.Removed
: Remove palavras profanas.
Por exemplo, para remover palavras profanas do resultado do reconhecimento de fala, defina o filtro de palavrões como Removed
mostrado aqui:
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 -
O filtro de palavrões é aplicado ao resultado Text
e MaskedNormalizedForm
às propriedades. O filtro de palavrões não é aplicado ao resultado LexicalForm
e NormalizedForm
às propriedades. O filtro também não é aplicado aos resultados de nível de palavra.