我目前正在关注Tensorflow简单音频识别教程 here并想知道我的数据集中是否有不同麦克风录制的音频会对我的训练结果产生负面影响。是否应该使用相同类型的麦克风录制所有音频？
答案 0 :(得分：-1)
这取决于您将来如何使用经过培训的模型。如果您希望此型号适用于不同类型的麦克风，并假设不同的麦克风会影响录制的实际音频，那么您可能希望使用各种麦克风进行录制。
或者，或者，您可以表征不同麦克风产生的差异并修改数据集，使样本包含您在麦克风之间找到的差异。这称为数据扩充，是一种非常常见且推荐的做法，但这可能不一定是一项简单的任务。数据扩充通常特定于您正在使用的数据集和数据类型，因此这可能只是您想要使用的数据扩充的一个示例。音频的另一个典型示例是添加不同类型的背景噪声，以生成更大的独特数据集，其中必须选择所需的信号。
另一方面，您将仅在特定麦克风上使用您的型号，然后仅使用该麦克风训练它是有意义的，因为您不关心使用不同的麦克风可能表现得有多好或多差
如果这只是一次学习练习，那么我根本不会担心这个细节。事实上，我似乎不太可能不同的麦克风会产生明显不同的音频配置文件。但是，嘿，我很可能是错的。
我喜欢从人性的角度思考这样的问题。问问自己：如果我雇用一名数据录入人员执行此任务，我将给他们一些示例来教他们如何执行任务，如果这些样本来自多个麦克风，它会对他们有益吗？如果答案是肯定的，那么就像对待人类一样对待学习算法并给予它们相同的变化。