# 音频类加工算子介绍 平台支持音频类数据集的加工操作，音频类加工算子能力清单见[表1]。 表1音频类加工算子能力清单 | 算子分类 | 算子名称 | 算子描述 | |:---|:---|:---| | 数据转换 | [噪声添加] | 给音频添加噪声。 | | 数据转换 | [噪声抑制] | 移除音频中的纯噪声片段并进行降噪。 | | 数据转换 | [音调变化] | 调整原始音频的音调 | | 数据转换 | [混响减少] | 减少声音在空间中的混响效果，提高语音可懂度。 | | 数据转换 | [语音匿名化] | 对音频进行匿名化处理，匿名化后的音频与原始说话人音色和声纹有明显区分度。 | | 数据转换 | [语音降噪] | 对原始音频进行降噪，且只考虑噪声与人声叠加的情况，对于纯噪声音频或者纯噪声片段，不做约束。 | | 数据转换 | [语速调整] | 调整音频中的说话速度。 | | 数据转换 | [音频量化编码] | 将一个高分辨率的含有头信息的音频文件，通过音频编解码技术、量化压缩技术转换成16k采样率alaw/μlaw/pcm/wav文件。 | | 数据打标 | [语音语种识别标注] | 识别音频中说话人所使用的语种，并给出相应的置信度。 | | 数据打标 | [普通话语音转文本] | 将普通话语音快速转化为文本，以丰富人机交互场景。 | | 数据打标 | [语音情绪识别标注] | 识别输入音频中说话人的情绪。 | | 数据打标 | [语音端点检测] | 检测音频中多段人声各自的起止时间。 | | 数据打标 | [噪声水平评估] | 对含有人声片段的音频进行质量打分。 | | 数据打标 | [静默片段检测] | 识别音频中的静音片段及置信度，并给出静音片段的占比。 | | 数据打标 | [多说话人语音识别] | 识别音频内容，返回每个说话人说话的起止时间及对应内容。 | | 数据打标 | [个人隐私对话识别] | 给个人隐私语音内容打标签。 | | 数据打标 | [违禁语音检测] | 给违禁语音内容打标签。 | | 数据打标 | [政治敏感语音识别] | 给政治敏感语音内容打标签。 | | 数据打标 | [色情语音内容检测] | 给色情语音内容打标签。 | ![](https://support.huaweicloud.com/usermanual-pangulm/public_sys-resources/caution_3.0-zh-cn.png) 加工音频模态数据时，除了色情语音内容检测算子之外，使用其他算子时，需要在加工流程中加入音频量化编码，将音频量化编码设置为首算子。 #### 噪声添加 - 适用的文件格式：纯音频，60s内采样率16k的wav音频文件。 - 算子说明：给音频添加噪声。 - 各参数说明： 噪声类型：添加的噪声类型，混合噪声为高斯噪声与椒盐噪声的叠加。 信噪比: 正常声音信号强度与噪声信号强度的比值。 - 参数配置样例： ![](https://support.huaweicloud.com/usermanual-pangulm/zh-cn_image_0000002601606957.png) #### 噪声抑制 - 适用的文件格式：纯音频，30s内采样率16k、位深16bit单通道的wav音频文件。 - 算子说明：移除音频中的纯噪声片段并进行降噪。 - 参数配置样例： 不需要配置参数。 #### 音调变化 - 适用的文件格式：纯音频，60s内的音频文件。 - 算子说明：调整原始音频的音调。 - 各参数说明： 音调：音调参数。 - 参数配置样例： ![](https://support.huaweicloud.com/usermanual-pangulm/zh-cn_image_0000002601606967.png) #### 混响减少 - 适用的文件格式：纯音频，60s内采样率16k的wav音频文件。 - 算子说明：减少声音在空间中的混响效果，提高语音可懂度。 - 参数配置样例： 不需要配置参数。 #### 语音匿名化 - 适用的文件格式：纯音频，30s内采样率16k、位深16bit单通道的wav音频文件。 - 算子说明：对音频进行匿名化处理，匿名化后的音频与原始说话人音色和声纹有明显区分度。 - 参数配置样例： 不需要配置参数。 #### 语音降噪 - 适用的文件格式：纯音频，采样率16k、位深16bit单通道的wav音频文件。 - 算子说明：对原始音频进行降噪，且只考虑噪声与人声叠加的情况，对于纯噪声音频或者纯噪声片段，不做约束。 - 参数配置样例： 不需要配置参数。 #### 语速调整 - 适用的文件格式：纯音频，60s内的wav音频文件。 - 算子说明：调整音频中的说话速度。 - 各参数说明： 语速：语速参数， 取值在 0.5\~2 之间。 - 参数配置样例： ![](https://support.huaweicloud.com/usermanual-pangulm/zh-cn_image_0000002571047778.png) #### 音频量化编码 - 适用的文件格式：纯音频，100MB内的音频文件。 - 算子说明：将一个高分辨率的含有头信息的音频文件，通过音频编解码技术、量化压缩技术转换成16k采样率alaw/μlaw/pcm/wav文件。 - 参数配置样例： 不需要配置参数。 #### 语音语种识别标注 - 适用的文件格式：纯音频，60s内采样率16k、位深16bit的wav音频文件。 - 算子说明：识别音频中说话人所使用的语种，并给出相应的置信度。 - 参数配置样例： 不需要配置参数。 #### 普通话语音转文本 - 适用的文件格式：纯音频，60s内的音频文件。 - 算子说明：将普通话语音快速转化为文本，以丰富人机交互场景。 - 各参数说明： 标点 ：识别结果是否添加标点符号。 数字转换：是否将语音中的数字识别为阿拉伯数字。 是否分词信息 ：识别结果是否包含分词结果信息。 - 参数配置样例： ![](https://support.huaweicloud.com/usermanual-pangulm/zh-cn_image_0000002601726931.png) #### 语音情绪识别标注 - 适用的文件格式：纯音频，60s内采样率16k、位深16bit的wav音频文件。 - 算子说明：识别输入音频中说话人的情绪。 - 参数配置样例： 不需要配置参数。 #### 语音端点检测 - 适用的文件格式：纯音频，600s内采样率16k、位深16bit的wav音频文件。 - 算子说明：检测音频中多段人声各自的起止时间。 - 参数配置样例： 不需要配置参数。 #### 噪声水平评估 - 适用的文件格式：纯音频，60s内采样率16k、位深16bit的wav音频文件。 - 算子说明：对含有人声片段的音频进行质量打分。 - 参数配置样例： 不需要配置参数。 #### 静默片段检测 - 适用的文件格式：纯音频，600s内采样率16k、位深16bit的音频文件。 - 算子说明：识别音频中的静音片段及置信度，并给出静音片段的占比。 - 参数配置样例： 不需要配置参数。 #### 多说话人语音识别 - 适用的文件格式：纯音频，1小时内、单通道的音频文件。 - 算子说明：识别音频内容，返回每个说话人说话的起止时间及对应内容。 - 各参数说明： 标点：识别结果是否添加标点符号。 数字转换 ：是否将语音中的数字识别为阿拉伯数字。 分词信息 ：识别结果是否包含分词结果信息。 话者分离：识别结果是否包含说话人信息。 语速 ：识别结果是否包含说话人语速信息。 - 参数配置样例： ![](https://support.huaweicloud.com/usermanual-pangulm/zh-cn_image_0000002571047768.png) #### 个人隐私对话识别 - 适用的文件格式：纯音频，60s内的音频文件。 - 算子说明：给个人隐私语音内容打标签。 - 参数配置样例： ![](https://support.huaweicloud.com/usermanual-pangulm/zh-cn_image_0000002571207424.png) #### 违禁语音检测算子 - 适用的文件格式：纯音频，60s内的音频文件。 - 算子说明：给违禁语音内容打标签。 - 参数配置样例： ![](https://support.huaweicloud.com/usermanual-pangulm/zh-cn_image_0000002601726915.png) #### 政治敏感语音识别 - 适用的文件格式：纯音频，60s内的音频文件。 - 算子说明：给政治敏感语音内容打标签。 - 参数配置样例： ![](https://support.huaweicloud.com/usermanual-pangulm/zh-cn_image_0000002601726935.png) #### 色情语音内容检测算子 - 适用的文件格式：纯音频，60s内的音频文件。 - 算子说明：给色情语音内容打标签。 - 参数配置样例： ![](https://support.huaweicloud.com/usermanual-pangulm/zh-cn_image_0000002571207412.png)