背景:普通Java开发，接触过少量的人工智能 
目前想要完成一个关于声纹识别的设计.需要加入大量的噪声（除目标之外的其他声音） 
方案一 
声音转化为时间序列的振幅然后做归一化进行训练特征，这个方案可以知道是什么声音 
方案二 
将音频转化为频谱图并使用CNN进行处理，这个方案可以知道声音的详细情况 
是否还有其他实现方案更优或者落地复杂度更低