অডিওর জন্য সর্বোত্তম অনুশীলন
সেভ করা পৃষ্ঠা গুছিয়ে রাখতে 'সংগ্রহ' ব্যবহার করুন আপনার পছন্দ অনুযায়ী কন্টেন্ট সেভ করুন ও সঠিক বিভাগে রাখুন।
এই পৃষ্ঠায় Google অ্যাসিস্ট্যান্ট API-কে স্পিচ ডেটা কীভাবে প্রদান করা যায় সে সম্পর্কে সুপারিশ রয়েছে। এই নির্দেশিকাগুলি আরও বেশি দক্ষতা এবং নির্ভুলতার পাশাপাশি পরিষেবা থেকে যুক্তিসঙ্গত প্রতিক্রিয়ার জন্য ডিজাইন করা হয়েছে৷
অডিও প্রাক প্রক্রিয়াকরণ
একটি ভাল মানের এবং ভাল অবস্থানে থাকা মাইক্রোফোন ব্যবহার করে যতটা সম্ভব পরিষ্কার অডিও প্রদান করা ভাল। যাইহোক, পরিষেবাতে পাঠানোর আগে অডিওতে শব্দ-হ্রাস সংকেত প্রক্রিয়াকরণ প্রয়োগ করা সাধারণত স্বীকৃতির যথার্থতা হ্রাস করে। পরিষেবাটি গোলমাল অডিও পরিচালনা করার জন্য ডিজাইন করা হয়েছে।
সেরা ফলাফলের জন্য:
- মাইক্রোফোনটিকে যতটা সম্ভব ব্যবহারকারীর কাছাকাছি রাখুন, বিশেষ করে যখন পটভূমিতে আওয়াজ থাকে।
- অডিও ক্লিপিং এড়িয়ে চলুন।
- স্বয়ংক্রিয় লাভ নিয়ন্ত্রণ (AGC) ব্যবহার করবেন না।
- সমস্ত শব্দ হ্রাস প্রক্রিয়াকরণ নিষ্ক্রিয় করা উচিত.
আদর্শভাবে:
- অডিও লেভেল ক্যালিব্রেট করা উচিত যাতে ইনপুট সিগন্যাল ক্লিপ না হয় এবং পিক স্পিচ অডিও লেভেল প্রায় -20 থেকে -10 dBFS এ পৌঁছায়।
- ডিভাইসটি প্রায় "ফ্ল্যাট" প্রশস্ততা বনাম ফ্রিকোয়েন্সি বৈশিষ্ট্য (+- 3 dB 100 Hz থেকে 8000 Hz) প্রদর্শন করা উচিত।
- মোট হারমোনিক বিকৃতি 90 dB SPL ইনপুট স্তরে 100 Hz থেকে 8000 Hz পর্যন্ত 1% এর কম হওয়া উচিত।
নমুনা রেট
যদি সম্ভব হয়, অডিও উৎসের স্যাম্পলিং রেট 16000 Hz এ সেট করুন। অন্যথায়, অডিও উৎসের নেটিভ নমুনা হারের সাথে মেলে (পুনরায় নমুনা নেওয়ার পরিবর্তে) sample_rate_hertz সেট করুন।
ফ্রেমের আকার
গুগল অ্যাসিস্ট্যান্ট লাইভ অডিও শনাক্ত করে কারণ এটি একটি মাইক্রোফোন থেকে ক্যাপচার করা হয়। অডিও স্ট্রীমকে অবশ্যই ফ্রেমে বিভক্ত করতে হবে এবং পরপর AssistRequest মেসেজ পাঠাতে হবে। কোন ফ্রেম আকার গ্রহণযোগ্য. বৃহত্তর ফ্রেমগুলি আরও দক্ষ, তবে বিলম্ব যোগ করুন। একটি 100-মিলিসেকেন্ড ফ্রেমের আকার লেটেন্সি এবং দক্ষতার মধ্যে একটি ভাল ট্রেডঅফ হিসাবে সুপারিশ করা হয়৷
অন্য কিছু উল্লেখ না করা থাকলে, এই পৃষ্ঠার কন্টেন্ট Creative Commons Attribution 4.0 License-এর অধীনে এবং কোডের নমুনাগুলি Apache 2.0 License-এর অধীনে লাইসেন্স প্রাপ্ত। আরও জানতে, Google Developers সাইট নীতি দেখুন। Java হল Oracle এবং/অথবা তার অ্যাফিলিয়েট সংস্থার রেজিস্টার্ড ট্রেডমার্ক।
2025-07-24 UTC-তে শেষবার আপডেট করা হয়েছে।
[[["সহজে বোঝা যায়","easyToUnderstand","thumb-up"],["আমার সমস্যার সমাধান হয়েছে","solvedMyProblem","thumb-up"],["অন্যান্য","otherUp","thumb-up"]],[["এতে আমার প্রয়োজনীয় তথ্য নেই","missingTheInformationINeed","thumb-down"],["খুব জটিল / অনেক ধাপ","tooComplicatedTooManySteps","thumb-down"],["পুরনো","outOfDate","thumb-down"],["অনুবাদ সংক্রান্ত সমস্যা","translationIssue","thumb-down"],["নমুনা / কোড সংক্রান্ত সমস্যা","samplesCodeIssue","thumb-down"],["অন্যান্য","otherDown","thumb-down"]],["2025-07-24 UTC-তে শেষবার আপডেট করা হয়েছে।"],[[["\u003cp\u003eThis page provides recommendations for submitting speech data to the Google Assistant API for optimal performance.\u003c/p\u003e\n"],["\u003cp\u003eFor best results, use a high-quality microphone, position it close to the user, avoid audio clipping and noise reduction processing, and disable automatic gain control.\u003c/p\u003e\n"],["\u003cp\u003eIdeally, calibrate audio levels to prevent clipping, maintain a flat frequency response, and minimize harmonic distortion.\u003c/p\u003e\n"],["\u003cp\u003eSet the audio source sampling rate to 16000 Hz if possible, or match the native rate, and use a frame size of around 100 milliseconds for a balance between latency and efficiency.\u003c/p\u003e\n"]]],[],null,["# Best Practices for Audio\n\nThis page contains recommendations on how to provide speech data to the\nGoogle Assistant API. These guidelines are designed for greater efficiency\nand accuracy as well as reasonable response times from the service.\n\nAudio pre-processing\n--------------------\n\nIt's best to provide audio that is as clean as possible by using a good quality\nand well-positioned microphone. However, applying noise-reduction signal\nprocessing to the audio before sending it to the service typically reduces\nrecognition accuracy. The service is designed to handle noisy audio.\n\nFor best results:\n\n- Position the microphone as close to the user as possible, particularly when background noise is present.\n- Avoid audio clipping.\n- Do not use automatic gain control (AGC).\n- All noise reduction processing should be disabled.\n\nIdeally:\n\n- The audio level should be calibrated so that the input signal does not clip, and peak speech audio levels reach approximately -20 to -10 dBFS.\n- The device should exhibit approximately \"flat\" amplitude versus frequency characteristics (+- 3 dB 100 Hz to 8000 Hz).\n- Total harmonic distortion should be less than 1% from 100 Hz to 8000 Hz at 90 dB SPL input level.\n\nSampling rate\n-------------\n\nIf possible, set the sampling rate of the audio source to 16000 Hz. Otherwise,\nset the [`sample_rate_hertz`](/assistant/sdk/reference/rpc/google.assistant.embedded.v1alpha2#google.assistant.embedded.v1alpha2.AudioInConfig) to match the native sample rate of the audio source (instead\nof re-sampling).\n\nFrame size\n----------\n\nThe Google Assistant recognizes live audio as it is captured from a microphone.\nThe audio stream must be split into frames and sent in consecutive\n`AssistRequest` messages. Any frame size is acceptable. Larger frames are more\nefficient, but add latency. A 100-millisecond frame size is recommended as a\ngood tradeoff between latency and efficiency."]]
