阿里云自定义语言模型实践

因一个行业的智能机器人项目需要，要为该项目业务当中的一些专业术语进行机器人的定制化训练。由此，基于阿里云的智能语音交互平台进行了一些实践。特记录如下。

首先，按照平台的要求，需要提供一份包含录音和文字对照的 zip 包，里面包含以下内容：

1. wav 目录，存放文件名称唯一的各个wav文件。格式为8K或者16K采样，单声道。

2. trans 目录，存放一个 名为 sample.txt 文件（要求 utf-8编码），格式为：

00010001 说话内容1
00010002 说话内容2
00010003 说话内容3
00010004 说话内容4

即每一行内容包含wav文件名（不含扩展名），然后是空格，再是该wav文件对应的文字内容。

实际上，不同的wav文件，可以是同样的说话内容。在本项目中，为了让机器人适应不同人的说话习惯以及口音，就相同的说话内容，我们安排了十个用户参与录音。

将上述文件准备好，并打包压缩为 zip 文件，也就可以上传到平台中进行训练。

但是，客户使用windows 录音机录制完成的文件格式是 *.m4a 的文件，格式需要转换。这时，ffmgpe 就派上用场了。

我在 linux 里面，安装了 ffmpeg，并撰写了一个简单的批处理脚本来进行自动转换，如下：

mkdir wav   #创建 wav 目录，以便于存放。当然，如果已有，请事先删除文件。
echo ==== START ====
for var in *.m4a;     #遍历m4a 文件
do  
  ffmpeg -i ${var} -acodec pcm_u8 -ac 1 -ar 8000 wav/${var/m4a/wav}   
done
echo ====  FINISH

OK，大功告成。