語音識別語音采集工作指導(dǎo)書    
    語音識別&語音喚醒處理是語音學(xué)與數(shù)字信號處理技術(shù)相結(jié)合的交叉學(xué)科，首先我們將語音當(dāng)做一種特殊的信號，即一種“復(fù)雜向量”來看待。也就是說語音識別更多的還是體現(xiàn)了數(shù)字信號處理技術(shù)。 
    客戶希望將語音識別技術(shù)應(yīng)用于某一實(shí)際領(lǐng)域，并對語音做語音喚醒&語音識別處理。我們需要在實(shí)際語音與數(shù)字信號的理論之間搭了一座橋。
    語音識別采集工作內(nèi)容及任務(wù)： 
    采集150---300人的語音樣本
    
    語音識別采集工具：
    元趣便攜式語音識別采集卡
 
    
    語音識別采集環(huán)境要求：
    1：安靜環(huán)境    2：非空曠房間   3：非全玻璃隔斷環(huán)境
    每錄制二三十個(gè)人，{zh0}切換一下錄制環(huán)境，
    比如不同的房間，或者同一個(gè)房間不同的方位
    
    語音識別采集人群要求：
    1：男女比例盡量達(dá)到 1:1
    2：人群年齡在18---60歲之間，盡量均勻分布，20~50歲可以多一點(diǎn)
    3：人群地域來源盡可能廣泛
    
    語音識別采集標(biāo)準(zhǔn)規(guī)范：
    語音識別錄制的時(shí)候必須兩塊錄音板同時(shí)進(jìn)行，
    一方面可以增加語音識別數(shù)據(jù)，
    另外一方面可以防止一塊錄制的數(shù)據(jù)出問題。
    
    語音識別采集步驟：
    語音識別采集人麥距離：1米，3米，5米
    {dy}步： 采樣人在確認(rèn)元趣便攜式語音識別采集卡在正常上電工作的前提下，要求說話人在距離語音識別采樣設(shè)備1米距離，用普通話，以正常語速，正常的語音語調(diào)，按照提供的喚醒詞及指令詞清單，說出清單上的所有文字，要求每個(gè)詞說完后，停頓1秒以上。
    第二步： 要求說話人在距離語音識別采樣設(shè)備1米距離，用普通話，以稍快一點(diǎn)的語速，正常的語音語調(diào)，按照提供的喚醒詞及指令詞清單，說出清單上的所有文字，要求每個(gè)詞說完后，停頓1秒以上。
    第三步：  要求說話人在距離語音識別采樣設(shè)備1米距離，用普通話，以稍慢一點(diǎn)的語速，正常的語音語調(diào)，按照提供的喚醒詞及指令詞清單，說出清單上的所有文字，要求每個(gè)詞說完后，停頓1秒以上。
    第四步： 要求說話人在距離語音識別采樣設(shè)備3米距離，重復(fù)以上{dy}，第二，第三步。
    第五步： 要求說話人在距離語音識別采樣設(shè)備5米距離，重復(fù)以上{dy}，第二，第三步。
    第六步：  語音采集人將采集到的語音文件，命名并標(biāo)注好說話人性別及年齡，籍貫信息
    第七步：  開始采集下一個(gè)人員聲音樣本。
    第八步：  匯總語音提供者的信息，生成EXCEL表。將所有采集到的語音樣本，以***格式保存成包文件，上交給上海元趣
    技術(shù)部評估采樣的樣本質(zhì)量是否符合要求。
    
    附文：語音識別采集原理 
    在進(jìn)行模擬/數(shù)字信號的轉(zhuǎn)換過程中，
    當(dāng)采樣頻率fs.max大于信號中{zg}頻率fmax的2倍時(shí)，
    即：fs.max>=2fmax,
    則采樣之后的數(shù)字信號完整地保留了原始信號中的信息，
    一般實(shí)際應(yīng)用中保證采樣頻率為信號{zg}頻率的5～10倍；
    采樣定理又稱奈奎斯特定理。
    
    語音識別采樣頻率 
    語音識別采樣頻率，也稱為采樣速度或者采樣率，
    定義了每秒從連續(xù)信號中提取并組成離散信號的采樣個(gè)數(shù)，
    它用赫茲（Hz）來表示。
    采樣頻率的數(shù)是采樣周期或者叫作采樣時(shí)間，
    它是采樣之間的時(shí)間間隔。
    通俗的講采樣頻率是指計(jì)算機(jī)每秒鐘采集多少個(gè)聲音樣本，
    是描述聲音文件的音質(zhì)、音調(diào)，衡量聲卡、聲音文件的質(zhì)量標(biāo)準(zhǔn)。
    
    語音識別采樣頻率只能用于周期性采樣的采樣器，
    對于非周期性采樣的采樣器沒有規(guī)則限制。 
    采樣頻率的常用的表示符號是 fs。 
    
    語音識別采樣頻率越高，即采樣的間隔時(shí)間越短，
    則在單位時(shí)間內(nèi)計(jì)算機(jī)得到的聲音樣本數(shù)據(jù)就越多，
    對聲音波形的表示也越j(luò)q。
    語音識別采樣頻率與聲音頻率之間有一定的關(guān)系，根據(jù)采樣定理，
    只有采樣頻率高于聲音信號{zg}頻率的兩倍時(shí)，
    才能把數(shù)字信號表示的聲音還原成為原來的聲音。
    這就是說采樣頻率是衡量聲卡采集、記錄
    和還原聲音文件的質(zhì)量標(biāo)準(zhǔn)。 
    
    語音識別采樣位數(shù)和采樣率對于音頻接口來說是最為重要的兩個(gè)指標(biāo)，也是選擇音頻接口的兩個(gè)重要標(biāo)準(zhǔn)。
    無論語音識別采樣頻率如何，
  理論上來說語音識別采樣的位數(shù)決定了音頻數(shù)據(jù){zd0}的力度范圍。
    每增加一個(gè)語音識別采樣位數(shù)相當(dāng)于力度范圍增加了6dB。
    語音識別采樣位數(shù)越多則捕捉到的信號越j(luò)q。
    對于語音識別采樣率來說你可以想象它類似于一個(gè)照相機(jī)，
    16KHz意味著音頻流進(jìn)入計(jì)算機(jī)時(shí)計(jì)算機(jī)每秒
    會對其拍照達(dá)16000次。
    顯然語音識別采樣率越高，計(jì)算機(jī)攝取的圖片越多，
    對于原始音頻的還原也越加jq .
    不同需求，不同市場，總有一款
    高xjb芯片方案適合您！
     http:///
肖先生   微信：dao91123