語音交互系統(tǒng)是比較人性化的人機(jī)操作界面，它需要語音識別系統(tǒng)的支持。而語音識別技術(shù)在這其中起到中流砥柱的作用，它也被稱為自動語音識別，其目標(biāo)是將人類的語音中的詞匯內(nèi)容轉(zhuǎn)換為計算機(jī)可讀的輸入，例如按鍵、二進(jìn)制編碼或者字符序列。

特定人語音識別技術(shù)是基于“關(guān)鍵詞語列表”的識別技術(shù)，它是對大量的語音數(shù)據(jù)(相當(dāng)于對數(shù)千人采集的數(shù)萬小時的有效聲音數(shù)據(jù))經(jīng)語言學(xué)家語音模型分析，建立數(shù)學(xué)模型，并經(jīng)過反復(fù)訓(xùn)練提取基元語音的細(xì)節(jié)特征，以及提取各基元間的特征差異，得到在統(tǒng)計概率最優(yōu)化意義上的各個基元語音特征，最后才由資深工程師將算法以及語音模型轉(zhuǎn)換成硬件芯片并應(yīng)用在嵌入式系統(tǒng)中。

本文將介紹一款語音識別芯片——LD3320芯片。LD3320采用的是ASR技術(shù)，提供了一種脫離按鍵、鍵盤、鼠標(biāo)、觸摸屏等GUI操作方式且基于語音的用戶界面VUI(Voice User Interface)，使得用戶對該系統(tǒng)的操作更簡單、快速和自然。隨著高檔MCU的不斷出現(xiàn)，以MCU為核心的嵌入式語音交互系統(tǒng)會有非常好的應(yīng)用前景。

工作原理

圖1 LD3320和單片機(jī)(或嵌入式系統(tǒng))組成的語音識別系統(tǒng)原理框圖。

在使用過程中，用戶只需要把識別的關(guān)鍵詞語以字符串的形式傳送進(jìn)芯片，即可以在下次識別中立即生效。比如，用戶在51等主控MCU的編程中，簡單地通過設(shè)置芯片的寄存器，把諸如“你好”這樣的識別關(guān)鍵詞語的內(nèi)容動態(tài)地傳入芯片中，芯片就可以識別所設(shè)定的關(guān)鍵詞語了。每個關(guān)鍵詞語可以是單字、詞組、短句或者任何的中文發(fā)音的組合?；贚D3320的語音識別系統(tǒng)可以隨著使用流程，在運(yùn)行時動態(tài)地更改關(guān)鍵詞語列表的內(nèi)容，這樣可以用一個系統(tǒng)支持多種不同的場景，同時也不需要用戶作任何的錄音訓(xùn)練。

圖2 STC10L08XE構(gòu)成的主控芯片

圖3 LD3320A構(gòu)成的語音識別主系統(tǒng)

由圖可知，由LD3320組成的語音識別系統(tǒng)硬件有單片機(jī)(或嵌入式系統(tǒng))及LD33202.圖2和圖3分別是由單片機(jī)STC10L08XE 構(gòu)成的主控芯片和由LD3320A 構(gòu)成的語音識別主系統(tǒng)。

LD3320評估板(其中，控制MCU選用的是STC的51單片機(jī))

編者結(jié)語

編者認(rèn)為這種語音識別系統(tǒng)主要應(yīng)用于語音控制的點(diǎn)歌系統(tǒng)、語音控制的手機(jī)、音控智能導(dǎo)航儀、音控智能家電產(chǎn)品等。當(dāng)然，這種語音識別系統(tǒng)不是完美的，它容易引起誤識別，如當(dāng)用戶說的內(nèi)容不在識別列表內(nèi)時，必然會引起誤識別。

為了克服這些缺點(diǎn)，降低誤識別率，可在設(shè)定好要識別的關(guān)鍵詞語后，再添加一些與識別列表內(nèi)的單詞有聯(lián)系的任意其他詞匯，用來吸收錯誤識別，從而達(dá)到降低誤識別率的目的。