1、原始音频标注 对采集的原始语音数据进行唤醒词时间戳标记，精确标注唤醒词的开始和结束时间点。同时需要标注音频质量等级，区分清晰语音和含噪语音。环境音标注识别背景噪音类型，为模型抗噪训练提供支持。

2、语音特征标注 音素级别标注细化到每个发音单元，音调变化记录声调起伏模式。语速变化标注区分正常语速、快速和慢速发音，发音质量评估标注识别模糊发音或口齿不清的情况。这些细粒度标注提升模型对语音特征的理解能力。

3、多维度属性标注 说话人特征标注记录年龄、性别、地域等人口属性，发音风格标注区分正式、随意等不同语体。情感状态标注识别愉悦、平静等情绪色彩，信道特征标注区分麦克风类型和传输质量。多维度标注增强模型的泛化能力。

信息来源：网易伏羲