Merge pull request #193 from shiguredo/feature/add-confidence-filter

クライアントに返す結果の評価に Confidence, StartTime, EndTime を使用できる仕組みを追加する

CHANGES.md

@@ -11,6 +11,15 @@
 
 ## develop
 
+- [ADD] 採用する結果の信頼スコアの最小値を指定する minimum_confidence_score を追加する
+  - Amazon Transcribe のみ有効
+  - デフォルト値: 0（信頼スコアを無視する）
+  - @Hexa
+- [ADD] 採用する結果の最小発話期間（秒）を指定する minimum_transcribed_time を追加する
+  - Amazon Transcribe のみ有効
+  - デフォルト値: 0（最小発話期間を無視する）
+  - @Hexa
+
 ### misc
 
 - [CHANGE] GitHub Actions の ubuntu-latest を ubuntu-24.04 に変更する

amazon_transcribe_handler.go

@@ -152,11 +152,13 @@ func (h *AmazonTranscribeHandler) Handle(ctx context.Context, opusCh chan opusCh
 							if at.Config.AwsResultID {
 								result.WithResultID(*res.ResultId)
 							}
+
 							for _, alt := range res.Alternatives {
-								var message string
-								if alt.Transcript != nil {
-									message = *alt.Transcript
+								message, ok := buildMessage(at.Config, *alt, *res.IsPartial)
+								if !ok {
+									continue
 								}
+
 								result.SetMessage(message)
 								if err := encoder.Encode(result); err != nil {
 									w.CloseWithError(err)
@@ -195,3 +197,53 @@ func (h *AmazonTranscribeHandler) Handle(ctx context.Context, opusCh chan opusCh
 
 	return r, nil
 }
+
+func buildMessage(config Config, alt transcribestreamingservice.Alternative, isPartial bool) (string, bool) {
+	minimumConfidenceScore := config.MinimumConfidenceScore
+	minimumTranscribedTime := config.MinimumTranscribedTime
+
+	var message string
+	if minimumConfidenceScore > 0 {
+		if isPartial {
+			// IsPartial: true の場合は Transcript をそのまま使用する
+			if alt.Transcript != nil {
+				message = *alt.Transcript
+			}
+		} else {
+			items := alt.Items
+
+			for _, item := range items {
+				if item.Confidence != nil {
+					if *item.Confidence < minimumConfidenceScore {
+						// 信頼スコアが低い場合は次へ
+						continue
+					}
+				}
+
+				if (item.StartTime != nil) && (item.EndTime != nil) {
+					if (*item.EndTime - *item.StartTime) > 0 {
+						if (*item.EndTime - *item.StartTime) < minimumTranscribedTime {
+							// 発話時間が短い場合は次へ
+							continue
+						}
+					}
+				}
+
+				message += *item.Content
+			}
+		}
+	} else {
+		// minimumConfidenceScore が設定されていない（0）場合は Transcript をそのまま使用する
+		if alt.Transcript != nil {
+			message = *alt.Transcript
+		}
+	}
+
+	// メッセージが空の場合は次へ
+	if message == "" {
+		return message, false
+	}
+
+	return message, true
+
+}

config.go

@@ -79,6 +79,9 @@ type Config struct {
 	// aws の場合は IsPartial が false, gcp の場合は IsFinal が true の場合にのみ結果を返す指定
 	FinalResultOnly bool `ini:"final_result_only"`
 
+	MinimumConfidenceScore float64 `ini:"minimum_confidence_score"`
+	MinimumTranscribedTime float64 `ini:"minimum_transcribed_time"`
+
 	// Amazon Web Services
 	AwsCredentialFile                    string `ini:"aws_credential_file"`
 	AwsProfile                           string `ini:"aws_profile"`

config_example.ini

@@ -55,6 +55,12 @@ retry_interval_ms = 100
 # aws の場合は IsPartial が false, gcp の場合は IsFinal が true の場合の最終的な結果のみを返す指定
 final_result_only = true
 
+# 採用する結果の信頼スコアの最小値です（aws 指定時のみ有効）
+# minimum_confidence_score = 0.0
+
+# 採用する結果の最小発話期間（秒）です（aws 指定時のみ有効）
+# minimum_transcribed_time = 0.0
+
 # [aws]
 aws_region = ap-northeast-1
 # Partial-result stabilization の有効化です