VIP20

本课程属于：019-TinyML数据集采集、标注与评估 嵌入式边缘AI与TinyML · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

3. TinyML音频数据采集：唤醒词、噪声与说话人差异

共计 30 章节

点击此处阅读海量试读课程：100+行业、1000+细分领域

TinyML音频数据采集的总体目标 · 学习路径 · 课程结构

课程导入TinyML

声音的物理特性（频率 · 振幅 · 相位）

音频基础声音的物理特性

音频数据采集硬件

麦克风类型（MEMS · 驻极体 · 阵列）

音频数据采集硬件MEMS

音频数据采集软件环境

开发环境搭建（Arduino IDE · PlatformIO · Python）

音频数据采集软件…Arduino

采样率与位深选择

不同采样率（8kHz · 16kHz · 1kHz）对唤醒词识别的影响

采样率位深选择

音频数据采集流程

从麦克风到SD卡/串口/云端的完整数… · 包括缓冲区管理 · 数据打包

音频数据采集流程SD

唤醒词数据采集

唤醒词的定义 · 常见唤醒词（如“Hey Google · 小爱同学”）

唤醒词数据采集唤醒词的定义

唤醒词数据标注

标注工具（Audacity · Label Studio） · 标注格式（时间戳

唤醒词数据标注Audacity

噪声数据采集

噪声类型（白噪声 · 环境噪声 · 人声干扰）

噪声数据采集噪声类型

说话人差异

不同性别 · 年龄 · 口音

说话人差异不同性别

数据增强技术

时间拉伸 · 音调变换 · 添加噪声

数据增强技术时间拉伸

数据预处理

预加重 · 分帧 · 加窗（汉明窗）

数据预处理预加重

MFCC · Mel-spectrogram · 原始波形等特征对比

特征工程MFCC

数据集构建

训练集 · 验证集 · 测试集的划分原则

数据集构建训练集

数据存储与管理

文件命名规范 · 目录结构 · 元数据记录（说话人ID

数据存储管理

数据质量评估

信噪比（SNR） · 清晰度 · 完整性检查

数据质量评估SNR

使用Arduino Nano 33… · 包括硬件连接 · 代码编写

实战案例1Arduino

使用ESP32和INMP441采集多… · 并记录说话人信息 · 构建小型数据集

实战案例2ESP32

在Edge Impulse中采集数据… · 训练一个简单的唤醒词模型 · 评估准确率

实战案例3Edge

噪声鲁棒性提升

在数据采集阶段引入噪声模拟 · 使用噪声注入 · 混响模拟

噪声鲁棒性提升数据采集阶段引入…

说话人自适应

采集目标说话人数据微调模型 · 或使用说话人验证技术 · 减少说话人差异影响

说话人自适应采集目标说话人数…

数据采集自动化

使用Python脚本控制采集 · 自动标注 · 批量处理

数据采集自动化Python

数据隐私与伦理

采集语音数据时的隐私保护（匿名化 · 同意书） · 数据存储安全

数据隐私伦理

常见问题与调试

采集时无声 · 噪声过大 · 缓冲区溢出

常见问题调试

数据采集与模型训练的衔接

如何将采集的数据转换为TFLite… · 以及数据管道设计

数据采集模型训练的衔接

降低数据采集功耗 · 减少存储占用 · 实时传输优化

性能优化降低数据采集功耗

设计一个完整的唤醒词数据采集系统 · 包括硬件 · 软件

综合项目设计一个完整的唤…

联邦学习在语音数据采集中的应用 · 边缘端数据增强 · 自监督学习在TinyML音频中的潜力

前沿趋势联邦学习

回顾核心知识点 · 常见误区 · 最佳实践

课程总结回顾核心知识点

结课测试与挑战

设计一个综合测试 · 包括理论题和实操题 · 检验学员对音频数据采集全流程的掌握程…

结课测试挑战