训练数据需求说明¶

1、录音文本¶

（1）按照项目需求提供所有录音数据对应的命令词文本；

（2）命令词音节长度建议在4-8个音节，中文基本一字为一音节，如打开空调为4个音节，其他语种以一个元音单位为一个音节，如英文’air -con di tion er’为5个音节；

（3）小语种命令词需提供文本对应的中文释义或英文释义；

（4）小语种中包含的外来语应尽量提供其对应语种的拼写形式，

如：中文中“USB”可写为“you1 ai5 si5 bi4”，

韩语中“time”可写为“타이머”，

越南语“massage”可写为“Mát xa”；

（5）将文本中所有的阿拉伯数据转写成录音语种对应的文字格式，

如：中文“1小时”需改写为“一小时”，

英语“1 hour”需改写为“one hour”，

韩语“1 시간”需改写为“한 시간”;

（1）训练集音频录音人建议主要选取年龄在18-60的人群，

（2）小语种开发训练的数据采集，建议采集人次不低于50人次；若是喉音、颤音等特殊发音较多语种，则建议录制人数不低于100人次；

（3）中文项目增强训练的数据采集，建议采集人次不低于150人次；若是新开发领域的项目，则建议录制人数不低于300人次；

（4）以当地标准口音录制，尽量不要带太重的地方口音；

（5）录音人文字识别朗读无困难，且发音流畅，避免卡顿或一个字一个字发音的情况；

（6）相同命令词至少录制3遍，正常语速1遍，快语速2遍；

（7）唤醒词每人次录制不少于10遍；

（8）单个命令词录音过程不中断；

（9）语速平稳，并避免音量参差不齐；

（10）建议性别比例1:1；

（11）发音人面对最近mic分贝在65-80dB左右；

（12）采集时记录发音人的性别、年龄和籍贯信息，记录录音使用的录音设备及型号(如罗兰R44录音机、或华为mate50等)，并与其音频存储的文件一一对应；

（13）提供与音频发音顺序对应的录音文本；

（1）最好适宜家居环境，现场混响范围在0.3-0.6；

（2）房间底噪在35-45dB；

（3）最好使用罗兰高保真录音机，根据现场环境调试设备增益和灵敏度；

（4）mic 选取舒伯乐 ECM999 麦克风四个，对应不同距离 mic 采集音频；

（5）麦克风放在距离发声源 0.5m、1m、3m、5m 位置，如有必要可同时放置不同角度对应的mic进行录音；

（6）现场环境保持安静，无明显的干扰噪音，现场环境搭建如下：

（1）手机/电脑录音需保证较高的音频质量，采样率不低于44.1k，且避免传输时造成音质受损；

（2）使用手持高保真录音笔，选择44.1k采样率单声道进行录制；

（3）使用手机/电脑/手持高保真录音笔时，将收音设备放在距离发音人3m的位置；

（4）最好适宜家居环境，录音环境混响尽量小，建议0.3-0.6；

（5）房间底噪在35-40dB；

（6）吐字清晰，保证声音不要削顶，减少数据损失；

（7）若多个命令词连续录制，则每句话间隔1-2s，念错的命令词单句间隔10s，重新读；

（8）现场环境保持安静，无明显的干扰噪音；

（9）音频存储格式wav、采样率不低于44.1K；

(1) 命令词较少时，建议每条命令词存储为1个文件，并提供对应的文本；

(2) 命令词较多时，可录制为长音频，不切分，但需提供与录音顺序相同的录音文本。