語音識別技術(shù)的目標是將人們語音中的詞匯內(nèi)容轉(zhuǎn)換為計算機可讀輸入，如按鈕、二進制編碼或字符序列。語音識別就像一個“機器的聽覺系統(tǒng)”，它允許設備根據(jù)識別和理解將語音信號轉(zhuǎn)換為相應的文本或指令。語音識別技術(shù)正逐漸成為計算機信息處理技術(shù)中的關鍵技術(shù)。

語音識別芯片的基本原理

語音識別芯片是將語音信號轉(zhuǎn)換為相應的文本信息。該系統(tǒng)主要包括四個部分：特征提取、聲學模型、語言模型及其詞典和解碼。為了更有效地提取特征，通常需要對收集到的聲音信號進行過濾、幀分析等預處理，從原始信號中提取要分析的信號;之后，特征提取工作將聲音信號從時域轉(zhuǎn)換為頻域，為聲學模型提供適當?shù)奶卣飨蛄?聲學模型根據(jù)聲學特征計算每個特征向量在聲學特征中的評分;語言模型根據(jù)語言學相關理論計算聲音信號對應短語序列的概率;最后，根據(jù)現(xiàn)有詞典對短語序列進行解碼，獲得最終可能的文本表示。

語音識別芯片有三個原理：

1、語音信號中的語言信息編碼是根據(jù)幅度譜的時間變化進行的;

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

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

語音識別技術(shù)的工作流程

一般來說，一個完整的語音識別系統(tǒng)的工作過程分為七個步驟：

1、分析和處理語音信號，去除冗余信息。

2、獲取影響語音識別的重要信息和表達語言含義的特征信息。

3、圍繞特征信息，用最小單元識別單詞。

4、根據(jù)不同語言的各自語法，按順序識別單詞。

5、把前后含義為協(xié)助識別鑒定標準，有利于分析識別。

6、根據(jù)語義分析，將重要信息劃分為段落，取出被識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別芯片，集成了先進的語音活動監(jiān)測(VAD)、聲紋識別、自動消噪神經(jīng)網(wǎng)絡，擁有高效的電源管理模塊、數(shù)字和模擬語音信號輸入接口以及ARM Cortex-M0內(nèi)核，并且搭配了GPIO、UART、SPI、I2C、I2S 等片內(nèi)外設。在藍牙耳機、智能遙控、智能家居等場景中，能以更小的體積、極低的功耗實現(xiàn)離線語音識別功能。

審核編輯：湯梓紅