③ 现在，让我们在这些音频剪辑上运行模型，看看在"activate"之后它是否添加了提示音！

① 恭喜，你已结束本作业！

② 这是你应该记住的：

• 数据合成是创建针对语音问题（尤其是触发词检测）大型训练集的有效方法。
• 在将音频数据传递到RNN，GRU或LSTM之前，使用频谱图和可选的1D转换层是常见的预处理步骤。
• 可以使用端到端的深度学习方法来构建非常有效的触发词检测系统。

③ 恭喜完成最后的作业！

④ 感谢你一直坚持到底，并感谢你为学习深度学习付出的辛勤工作。希望你喜欢这个课程！

4.2 测试自己例子¶

① 在此笔记本的此可选练习中，你可以在自己的音频剪辑上尝试使用你的模型！

② 录制一个10秒钟的音频片段，说"activate"和其他随机单词，然后将其作为myaudio.wav上传到Coursera hub。确保将音频作为WAV文件上传。

③ 如果你的音频以其他格式（例如mp3）录制，则可以在线找到免费软件以将其转换为wav。

④ 如果你的录音时间不是10秒，则下面的代码将根据需要修剪或填充该声音，以使其达到10秒。

⑤ 将音频文件上传到Coursera后，请在下面的变量中输入文件的路径。

⑥ 最后，使用该模型预测在10秒的音频剪辑中何时说了"activate"并触发提示音。

⑦ 如果没有适当添加哔声，请尝试调整chime_threshold。