将语音输出解析为 JSON 以调用应用程序 API

这是一个想法：

我们有带有公开的 Restful API 的 Web 应用程序，它接受 json。现在，如何使用 Google 语音 API 获取用户语音输入，将其转换为文本，然后以某种方式将该文本转换为 API 所需的 JSON，然后使用 JSON 调用这些应用程序 APIe？有没有。将文本翻译为指定的 JSon 格式的库？有人用过这种方法吗？

这称为“意图分析”。有这样的库，例如RASA

例如，您输入的是“显示中国餐馆”。输出将是

{
  "text": "show me chinese restaurants",
  "intent": "restaurant_search",
  "entities": [
    {
      "start": 8,
      "end": 15,
      "value": "chinese",
      "entity": "cuisine"
    }
  ]
}

总的来说，它是相当先进的 NLU。