什么叫語音模塊？
語音識別技術(shù)，也被稱為自動語音識別Automatic Speech Recognition，(ASR)，其目標(biāo)是將人類的語音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列。與說話人識別及說話人確認(rèn)不同，后者嘗試識別或確認(rèn)發(fā)出語音的說話人而非其中所包含的詞匯內(nèi)容。
語音識別模塊概述
語音識別模塊是在一種基于嵌入式的語音識別技術(shù)的模塊，主要包括語音識別芯片和一些其他的附屬電路，能夠方便的與主控芯片進(jìn)行通訊，開發(fā)者可以方便的將該模塊嵌入到自己的產(chǎn)品中使用，實(shí)現(xiàn)語音交互的目的。
語音識別模塊的基本原理
語音識別的基本原理如圖1所示。語音識別包括兩個階段：訓(xùn)練和識別。不管是訓(xùn)練還是識別，都必須對輸入語音預(yù)處理和特征提取。訓(xùn)練階段所做的具體工作是收集大量的語音語料，經(jīng)過預(yù)處理和特征提取后得到特征矢量參數(shù)，最后通過特征建模達(dá)到建立訓(xùn)練語音的參考模型庫的目的。而識別階段所做的主要工作是將輸入語音的特征矢量參數(shù)和參考模型庫中的參考模型 進(jìn)行相似性度量比較，然后把相似性最高的輸入特征矢量作為識別結(jié)果輸出。 這樣，最終就達(dá)到了語音識別的目的。
現(xiàn)有的識別技術(shù)按照識別對象可以分為特定人識別和非特定人識別。特定人識別是指識別對象為專門的人，非特定人識別是指識別對象是針對大多數(shù)用戶，一般需要采集多個人的語音進(jìn)行錄音和訓(xùn)練，經(jīng)過學(xué)習(xí)，達(dá)到較高的識別率。
基于現(xiàn)有技術(shù)開發(fā)嵌入式語音交互系統(tǒng)，目前主要有兩種方式：一種是直接在嵌入式處理器中調(diào)用語音開發(fā)包；另一種是嵌入式處理器外圍擴(kuò)展語音芯片。第一種方法程序量大，計(jì)算復(fù)雜，需要占用大量的處理器資源，開發(fā)周期長；第二種方法相對簡單，只需要關(guān)注語音芯片的接口部分與微處理器相連，結(jié)構(gòu)簡單，搭建方便，微處理器的計(jì)算負(fù)擔(dān)大大降低，增強(qiáng)了可靠性，縮短了開發(fā)周期。
本文的語音識別模塊是以嵌入式微處理器為核心，外圍加非特定人語音識別芯片及相關(guān)電路構(gòu)成。
語音識別模塊的最小系統(tǒng)
一般應(yīng)用中語音識別系統(tǒng)最小系統(tǒng)需要包括：控制器模塊、語音識別模塊、功放模塊、喇叭。如果需要使用語音識別功能，系統(tǒng)中還需要增加麥克風(fēng)。
如圖2所示，用戶在使用語音識別或語音喚醒功能時，上位機(jī)發(fā)送啟動語音識別或語音喚醒功能的命令給語音模塊，模塊把從麥克風(fēng)采集到的語音數(shù)據(jù)，通過內(nèi)部的識別模塊進(jìn)行轉(zhuǎn)換成相應(yīng)的識別結(jié)果，通過通訊接口回傳給控制器。
圖2-采用Syn7318語音識別模塊的系統(tǒng)構(gòu)成圖
語音識別模塊的應(yīng)用
隨著技術(shù)的發(fā)展，傳統(tǒng)的鍵盤和按鈕才操作已經(jīng)不能滿足人們得需求了，更方便、更自然、更人性化的人機(jī)交互方式成了人們追求的方向?；诼犛X的人機(jī)交互方式無疑是最具有交互友好性的方式之一。而嵌入式語音交互由于結(jié)構(gòu)簡單，搭建方便，已成為目前研究的熱門課題。嵌入式語音識別系統(tǒng)和PC機(jī)的語音識別系統(tǒng)相比，雖然其運(yùn)算速度和內(nèi)存容量有一定限制，但它具有體積小、功耗低、可靠性高、投入小、安裝靈活等優(yōu)點(diǎn)，特別適用于智能家居、機(jī)器人及消費(fèi)電子等領(lǐng)域。
恩瑞智能(中國)有限公司
Enri-Link(China)CO.,LTD
