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 ”;

2 、录音人员及流程

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；

3 、采集设备及环境要求(高保真录音机)

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：

4 、采集设备及环境要求(手机/电脑/高保真录音笔)

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；

5 、数据存储注意事项

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，建议使用启英泰伦录音工具搭配高保真录音机进行录制，可实现后期数 据的批量切分；

3. 启英泰伦录音工具设备搭建方法请联系启英泰伦数据组工作人员。