乐鑫语音唤醒方案客户定制流程

唤醒词定制服务

乐鑫提供 语音唤醒词定制 服务，详情如下：

1. “HI乐鑫”，“你好小鑫” 等官方开放的唤醒词，客户可直接商用

   • 同时，乐鑫会逐渐开放更多可免费商用的唤醒词

2. 除官方开放的唤醒词，乐鑫还可为客户提供 唤醒词定制服务，主要分如下两种情况：

   • 客户提供唤醒词语料

     • 需要提供大于 2 万条合格的语料，具体语料需求见 训练语料要求
     • 语料提供给乐鑫后，需要 2～3 周进行模型训练及调优
     • 根据量级收取少量模型定制费用

   • 如果客户不提供唤醒词语料

     • 所有训练语料由乐鑫采集提供
     • 乐鑫需要一定时间收集语料，具体需要分别讨论；语料准备好后，需要 2～3 周进行模型训练及调优
     • 根据量级收取少量模型定制费用，语料采集费用另算

   • 定制的具体时间和费用取决于 唤醒词定制的数量 以及 产品量产数量，详情请联系 乐鑫销售人员 。

3. 对于乐鑫唤醒词模型：

   • 目前单个模型最多支持 5 个及以内的唤醒词识别
   • 每个唤醒词通常由 3-6 音节组成，比如 “hi乐鑫”，“Alexa”，“小爱同学”，“你好天猫”等
   • 可多个唤醒模型一起使用，具体需根据客户应用的资源消耗确定
   • 更多详情，请见 WakeNet 唤醒词模型

训练语料要求

客户可自备训练语料或向第三方采购，对于语料有以下要求：

• 语料音频格式要求

  • 采样率（sample rate）：16 KHz
  • 编码（encoding）：16-bit signed int
  • 通道数（channel）：mono
  • 格式：wav

• 语料采集要求

  • 采样人数：最好样本可以大于 500 人，其中男女，年龄分布均衡，儿童不小于 100 人
  • 采样环境：环境噪声低（< 40 dB），建议在语音室等专业环境下录制
  • 录制设备：高保真麦克风
  • 录制场景：* 距离麦克风 1 m 处每人录制 15 遍，其中 5 遍快语速，5 遍正常语速，5 遍慢语速；
    • 距离麦克风 3 m 处每人录制 15 遍，其中 5 遍快语速，5 遍正常语速，5 遍慢语速
  • 样本命名需体现样本信息：如 female_age_fast_id.wav 或有单独表格记录每个样本的年龄，性别等信息

硬件设计与测试服务

语音唤醒效果与硬件设计以及腔体结构有很大关系。因此，请认真阅读以下内容：

1. 硬件设计要求

• 各类语音音箱类设计：乐鑫可提供 原理图／PCB 等设计参考，客户可以根据自身具体需求设计修改，设计完毕后，乐鑫还可提供审阅服务，避免常见设计问题。
• 腔体结构：建议有专门的声学人员参与设计，乐鑫不提供 ID 设计类参考，客户可参考市面上的主流音箱腔体设计，例如天猫精灵、小度音箱、谷歌音箱等。