语音识别中如何处理同音词？

对于那些不熟悉什么是同音字 https://en.wikipedia.org/wiki/Homophone是的，我提供以下示例：

• 我们的&是
• 嗨和高
• 到&太&二

在使用时语音API https://developer.apple.com/documentation/speech在 iOS 中，我遇到了这样的情况：用户可能会说出这些单词之一，但它并不总是返回我想要的单词。

我调查了[alternativeSubstrings] (link https://developer.apple.com/documentation/speech/sftranscriptionsegment/1649528-alternativesubstrings）属性想知道这是否有帮助，但在我对上述单词的测试中，它总是返回空。

我也调查了自然语言API https://developer.apple.com/documentation/naturallanguage，但找不到任何看起来有用的东西。

据我所知，当用户添加更多单词时，语音 API 可以开始推断上下文并对其进行纠正，但我的用例不能很好地处理此问题，因为它通常最多只需要一两个单词，从而限制了语境。

上下文处理的一个例子：

单独使用上面的话，我得到以下结果：

• are
• hi
• to

但是，如果我把下面这句话放在一起，你就会发现它们都是错误的：

我对我们的梯子来说太高了

理想情况下，我要么得到一个列表，其中包含[are, our], [to, too, two], [hi, high]对于每个转录片段，或者有一种方法将字符串与支持同音字的函数进行比较。

一个例子是：

if myDetectedWord == "to" then { ... }

Where myDetectedWord can be [to, too, two]，并且此函数将为其中每一个返回 true。

这是一个常见的 NLP 困境，我不太确定您在此应用程序中期望的输出是什么。但是，如果可能的话，您可能希望在设计/架构过程中绕过此问题。否则，这个问题就会变成一个挑战。

话虽这么说，如果你想真正投入其中，我喜欢你的这个想法：

针对函数的字符串

这可能会更高效且性能友好。

一种方法是，我希望通过正则表达式处理来解决这个问题，而不是使用无限循环和数组。您可以首先创建循环和数组原型并查看其工作原理，然后您可能需要使用正则表达式来获得性能。

例如，您可以在正则表达式中定义固定数组，并快速检查您的字符串（逐字，可能使用反向引用），并且您可以在您的字符串中添加许多边界表达式 https://regex101.com/r/4S2d4u/1/用于字符串处理，如您所愿。

您还可以根据字符串特定部分中某些单词出现的概率来设计固定数组。例如，

^I 

vs

^eye

• 的概率I作为第一个词比eye.
• 的概率I字符串的任何部分都高于eye, also.

您可能想基于此对单词进行加权。

我想说，如果您希望拥有一个良好/有效的应用程序，那么关键是您要尽可能集中地缩小所需输出的范围并提高准确性，[如果可能的话，甚至可能使用 100 个单词]。

不过，这是一个很好的项目，我希望你喜欢/享受这个挑战。