音频质量调试

音频质量调试

语音交互是 AI 硬件的基本功能，交互过程中音频数据的质量，是保障产品功能、体验的基础，也是保证语音识别正确率，大模型理解、应答准确度的前提条件。因此，每个 AI 硬件产品都需要进行音频质量调试。

涂鸦提供了基础的音频数据调试方法，以协助您在开发过程中获取音频数据，并结合数据对产品结构、硬件、软件进行调整，保障音频数据质量，提高唤醒率、语音识别率，优化大模型交互体验。

获取数据

Wukong AI 硬件开发框架提供了基础的音频调试方法，以 tuyaos_demo_ai_toy 为例，操作步骤如下：

1. 开启音频调试功能。修改 tuya_ai_debug.h，将 TUYA_UPLOAD_DEBUG 设置为 1。

   #define TUYA_UPLOAD_DEBUG 1
   

2. 修改 tuya_ai_debug.c，将服务端 ip 修改成上位机的 ip，一般为您的调试电脑的 ip。

   #define TCP_SERVER_IP "192.168.32.160"  // IP 修改成您的调试上位机所在的电脑的 IP
   #define TCP_SERVER_PORT 5055
   

3. 将项目中 scripts/ai_audio_proc.py 复制到 windows，并运行该文件。

   需要安装 pyaudio 库。

   python ai_audio_proc.py
   

   

4. 编译固件，烧录到设备上，运行并对话。固件在拾音、上传时，会自动将 AEC、VAD 阶段的音频数据上传到当前脚本目录并播放，可佩戴耳机检查语音数据的完整性。

   

分析数据

使用专业工具分析音频数据文件，建议使用 Ocenaudio 来分析、对比抓取到的音频文件。

优化调整

硬件优化

参考涂鸦提供的硬件方案，调整硬件结构，推荐采购以下配套硬件:

• T5AI-BOX 语音方案
• T5AI-Bubble 语音方案

软件优化

目前音频参数调整暂时只建议调整 VAD 的能量阈值。（目前其他参数调整过于复杂，待涂鸦优化之后再对外发布。）

VAD 能量阈值调整位于 tkl_audio.c 文件的参数 aud_voc_setup.aec_cfg.SPthr[0] 中。目前默认值为 2500，可以在 800~4000 之间进行调整，且数值越低、越容易触发。比如，想要过滤掉旁边的人声，可以调高此阈值；想接收远处的声音，则需要把此值适当调低。

aud_voc_setup.aec_cfg.SPthr[0] = 2500;

支持与帮助

在开发过程遇到问题，可以到 TuyaOS 开发者论坛 联网单品开发版块 发帖咨询。