语音信号

语音信号的采集

常见的语音来源主要由三种组成：公开获取的通用训练数据、专门采集的个性化语音样本以及通过TTS技术生成的人工语音数据。

分公司会收集用户的指令数据，并通过该过程构建通用训练数据库。随后系统会筛选高频样本集合，并分别建立方言及双语对话库以及跨语言交互模块。同时系统还会划分特定场景数据库（如导航指令处理、语音交互功能等），重点解决多场景下的冲突问题。

当进行录音与采样语音数据时，在行业内普遍采用以下几个关键指标；这些关键指标都与语音识别的原理及架构紧密相关。

采样率

同时也被称为采样频率；它表示每秒能捕捉的声音样本数量；当采样率越高时；数据更为精准；常见的标准有8千赫兹（即8千）、16千赫兹、44点1千赫兹以及48千赫兹。

8k是电话所用的采样率。人说话的声音频率，基本在这个采样率之内。

48k采样率是CD，DVD所采用的。超过这个频率人耳是分辨不出来的了。

手机平台中，采样率大都数采样16k。

采样位数

每个采样数据所代表的数量决定了其精度水平。其精度受所选采样比特数量大小的影响。通常情况下会采用8比特（bit），相当于一个字节单位。此外还有16比特或32比特的选择。

手机平台中一般为16位采样位数。

采样编码

腾讯只支持GBK？

---