На этой странице содержатся рекомендации по предоставлению речевых данных в API Google Assistant. Эти рекомендации разработаны для повышения эффективности и точности, а также разумного времени ответа службы.
Предварительная обработка звука
Лучше всего обеспечить максимально чистый звук, используя качественный и правильно расположенный микрофон. Однако применение обработки сигнала с шумоподавлением к аудио перед его отправкой в службу обычно снижает точность распознавания. Служба предназначена для обработки шумного звука.
Для лучших результатов:
- Расположите микрофон как можно ближе к пользователю, особенно при наличии фонового шума.
- Избегайте обрезки звука.
- Не используйте автоматическую регулировку усиления (АРУ).
- Вся обработка шумоподавления должна быть отключена.
В идеале:
- Уровень звука следует откалибровать так, чтобы входной сигнал не ограничивался, а пиковые уровни звука речи достигали примерно от -20 до -10 дБFS.
- Устройство должно иметь примерно «ровные» амплитудно-частотные характеристики (+-3 дБ в диапазоне от 100 до 8000 Гц).
- Общие гармонические искажения должны составлять менее 1% в диапазоне от 100 Гц до 8000 Гц при входном уровне звукового давления 90 дБ.
Частота выборки
Если возможно, установите частоту дискретизации источника звука на 16000 Гц. В противном случае установите sample_rate_hertz так, чтобы он соответствовал собственной частоте дискретизации источника звука (вместо повторной выборки).
Размер кадра
Google Ассистент распознает живой звук, записанный с микрофона. Аудиопоток должен быть разбит на кадры и отправлен в последовательных сообщениях AssistRequest . Любой размер рамки приемлем. Кадры большего размера более эффективны, но увеличивают задержку. Размер кадра 100 миллисекунд рекомендуется как хороший компромисс между задержкой и эффективностью.