智能语音相关的一些术语

1.采样率（sample rate）

指录音设备在一秒钟内对声音信号的采样次数，采样频率越高，单位时间内采集的样本数越多，得到的波形越接近原始波形，音质就越好。
目前语音识别服务只支持16000Hz和8000Hz两种采样率，其中8000Hz一般是电话业务使用，其余都使用16000Hz。

2.采样位数(sample size)

即采样值或取样值。它是用来衡量声音波动变化的一个参数，也可以说是声卡的分辨率。它的数值越大，分辨率也就越高，所发出声音的能力越强。
每个采样数据记录的是振幅, 采样精度取决于采样位数的大小:

1. 1 字节(也就是8bit) 只能记录 256 个数, 也就是只能将振幅划分成 256 个等级;
2. 2 字节(也就是16bit) 可以细到 65536 个数, 是 CD （高保真音质）标准了;
3. 4 字节(也就是32bit) 能把振幅细分到 4294967296 个等级

3.语音编码(format)

指语音数据存储和传输的方式。语音编码和语音文件格式是不同的。例如常见的.WAV文件格式，会在其头部定义语音数据的具体编码，其中的音频数据通常是使用PCM编码，但也有可能是AMR或其他编码。

4.声道（sound chanel）

指声音在录制时在不同空间位置采集的相互独立的音频信号，所以声道数也就是声音录制时的音源数量。常见的音频数据为单声道或双声道（立体声）。

录制测试语料的相关设置如下：

采样率选择16000HZ，采样位数选择16位（高保真音质），语音编码选择PCM编码，声道选择单声道或双声道