[開發紀錄]語音辨識注意事項

這兩天為了語音辨識的資料解析度作了一些討論，

1、目前使用32ms作為一個音框，每個音框有512筆資料，覆蓋率為50%，取樣率16000，取到的聲音(一個字)大約在20~30個音框，總覺得太短，

若更改使用16ms，可增加音框數，但每個音框變為256筆資料，降低了轉換後的頻譜解析度，仍不利於辨識，

2、嘗試更改取樣慮到32000，轉換的頻率資料雖然增加，但人聲的頻率範圍再高頻處成分不多，原範圍區塊頻率解析度仍差，

影響辨識率的重要項目：

1、錄音品質不夠好，有電源雜訊導致過零率無法判讀，  

=> 追加硬體線路減少雜訊干擾後，程式加入過零率判定。 (已完成硬體)

2、目前辨識的訓練仍未建立完全，使用的中心值可能不夠準確，  

=> 先將訓練程式補完，目前使用一點中心值(程式已完成)，比較資料至少到10筆(尚未測試)，

=> 後續更改程式使用三點中心值，再次進行測試。

3、程式部分增加辨識度，音框大小以及取樣頻率作用不大，嘗試調整覆蓋率再進行測試，

另外，三角濾波器的數量嘗試由20更改為28，應該也可增加辨識度。