PDF《用声音去沟通 VUI (Voice User Interface)》

三、 、 、 、语音识别芯片的工作原理 语音识别芯片的工作原理 语音识别芯片的工作原理 语音识别芯片的工作原理 (本节是讲述语音识别芯片相关的技术原理,用户也可以浏览

第五节直接 运行评估板的 Demo) LD3320 提供的语音识别技术,是基于 关键词语列表 的识别技术,关于 ASR 技术的详细说明,请参考网站:http://www.icroute.com/web_cn/Tech_ASR.html. 语音识别芯片完成的工作就是:把通过 MIC 输入的声音进行频谱分析->

提 取语音特征->

和关键词语列表中的关键词语进行对比匹配->

找出得分最高的关 键词语作为识别结果输出. 语音识别芯片能在两种情况下给出识别结果: 1) 外部送入预定时间的语音数据后(比如

5 秒钟的语音数据),芯片 对这些语音数据运算分析后,给出识别结果 2) 外部送入语音数据流,语音识别芯片通过端点检测 VAD(voice activity detection)检测出用户停止说话,把用户开始说话到停 止说话之间的语音数据进行运算分析后,给出识别结果 对于第一种情况,可以理解为设定了一个定时录音(比如为

5 秒钟),芯 片在

5 秒钟后,会停止把声音送入识别引擎,并且根据已送入引擎的语音 数据计算出一个识别结果. 对于第二种情况,需要了解 VAD 的工作原理: VAD(Voice Activity Detection) 技术是在一段语音数据流中,判断出 哪个时间点是人声的开始,哪个时间点是人声的结束.判断的依据是,在 频谱 分析 Mic 语音流 提取 特征 语音识别 器 关键词语 列表 识别结果 拼音串 MCU 动态编辑识别列表 LD3320 语音识别芯片 info@icroute.com 第页5背景声音的基础上有了语音发音,则视为声音的开始.而后,检测到一段 持续时间的背景音(比如

600 毫秒),则视为人声说话结束. 通过 VAD 判断出人声说话的区域后,语音识别芯片会把这期间的声音数据 进行识别处理后,计算出识别结果. 需要说明的是,除了以上两种情况外,语音识别算法无法 主动 地判断 出是否识别出了一个结果.这是因为,在计算的过程中的任何时刻,语音 识别器都会对已送入识别芯片的声音数据进行分析,并根据匹配程度为识 别列表中的关键词语进行打分,最匹配的打分最高. 但是,由于识别算法不知道用户后面是否还继续说语音,所以无法 主动 地判断已经识别出一个结果. 比如,识别列表中有两个关键词语分别是 李晓 和 李晓明 ,当用户 说到 晓 这个音节时,在识别芯片内部是 李晓 的得分最高,但此时 识别芯片是无法给出识别结果.随着用户说出 明 音节后, 李晓明 则成为得分最高.此时,用户停止说话,或者是定时录音已到,使得识别 芯片可以判断出用户已经停止说话了,才能给出识别结果是 李晓明 . 四四四

四、 、 、 、语音识别芯片用户使用模式 语音识别芯片用户使用模式 语音识别芯片用户使用模式 语音识别芯片用户使用模式 用户可以通过编程,设置两种不同的用户使用模式: 触发识别模式 和 循环识别模式 : 触发识别模式 触发识别模式 触发识别模式 触发识别模式: : : : 系统的主控 MCU 在接受到外界一个触发后(比如用户按动某个按键),启动LD3320 芯片的一个定时识别过程(比如

5 秒钟),要求用户在这个定时过程 中说出要识别的语音关键词语.过了这个过程后,需要用户再次触发才能再次 启动一个识别过程. 循环识别模式 循环识别模式 循环识别模式 循环识别模式: : : : 系统的主控 MCU 反复启动识别过程.如果没有人说话没有识别结果,则每 次识别过程的定时到时后再启动一个识别过程;