語音識(shí)別技術(shù)的目標(biāo)是將人們語音中的詞匯內(nèi)容轉(zhuǎn)換為計(jì)算機(jī)可讀輸入，如按鈕、二進(jìn)制編碼或字符序列。語音識(shí)別就像一個(gè)“機(jī)器的聽覺系統(tǒng)”，它允許設(shè)備根據(jù)識(shí)別和理解將語音信號(hào)轉(zhuǎn)換為相應(yīng)的文本或指令。語音識(shí)別技術(shù)正逐漸成為計(jì)算機(jī)信息處理技術(shù)中的關(guān)鍵技術(shù)。

語音識(shí)別芯片的基本原理

語音識(shí)別芯片是將語音信號(hào)轉(zhuǎn)換為相應(yīng)的文本信息。該系統(tǒng)主要包括四個(gè)部分：特征提取、聲學(xué)模型、語言模型及其詞典和解碼。為了更有效地提取特征，通常需要對(duì)收集到的聲音信號(hào)進(jìn)行過濾、幀分析等預(yù)處理，從原始信號(hào)中提取要分析的信號(hào);之后，特征提取工作將聲音信號(hào)從時(shí)域轉(zhuǎn)換為頻域，為聲學(xué)模型提供適當(dāng)?shù)奶卣飨蛄?聲學(xué)模型根據(jù)聲學(xué)特征計(jì)算每個(gè)特征向量在聲學(xué)特征中的評(píng)分;語言模型根據(jù)語言學(xué)相關(guān)理論計(jì)算聲音信號(hào)對(duì)應(yīng)短語序列的概率;最后，根據(jù)現(xiàn)有詞典對(duì)短語序列進(jìn)行解碼，獲得最終可能的文本表示。

語音識(shí)別芯片有三個(gè)原理：

1、語音信號(hào)中的語言信息編碼是根據(jù)幅度譜的時(shí)間變化進(jìn)行的;

2、由于語音是可以閱讀的，也就是說聲學(xué)信號(hào)可以在不考慮說話人說話傳達(dá)的信息內(nèi)容的前提下用多個(gè)具有區(qū)別性的、離散的符號(hào)來表示;

3、語音交互是一個(gè)認(rèn)知過程，因此不能與語法、詞義、術(shù)語規(guī)范等方面分開。

語音識(shí)別技術(shù)的工作流程

一般來說，一個(gè)完整的語音識(shí)別系統(tǒng)的工作過程分為七個(gè)步驟：

1、分析和處理語音信號(hào)，去除冗余信息。

2、獲取影響語音識(shí)別的重要信息和表達(dá)語言含義的特征信息。

3、圍繞特征信息，用最小單元識(shí)別單詞。

4、根據(jù)不同語言的各自語法，按順序識(shí)別單詞。

5、把前后含義為協(xié)助識(shí)別鑒定標(biāo)準(zhǔn)，有利于分析識(shí)別。

6、根據(jù)語義分析，將重要信息劃分為段落，取出被識(shí)別的單詞并相互連接，并根據(jù)句子的含義調(diào)整句子的組成。

7、整合詞義，具體分析前后文的相互依存，適當(dāng)調(diào)整目前正在處理的句子。

英尚微所提供的超低功耗的離線智能語音識(shí)別芯片，集成了先進(jìn)的語音活動(dòng)監(jiān)測(cè)(VAD)、聲紋識(shí)別、自動(dòng)消噪神經(jīng)網(wǎng)絡(luò)，擁有高效的電源管理模塊、數(shù)字和模擬語音信號(hào)輸入接口以及ARM Cortex-M0內(nèi)核，并且搭配了GPIO、UART、SPI、I2C、I2S 等片內(nèi)外設(shè)。在藍(lán)牙耳機(jī)、智能遙控、智能家居等場(chǎng)景中，能以更小的體積、極低的功耗實(shí)現(xiàn)離線語音識(shí)別功能。

審核編輯：湯梓紅