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

特定人語音識別技術是基于“關鍵詞語列表”的識別技術，它是對大量的語音數(shù)據(jù)(相當于對數(shù)千人采集的數(shù)萬小時的有效聲音數(shù)據(jù))經(jīng)語言學家語音模型分析，建立數(shù)學模型，并經(jīng)過反復訓練提取基元語音的細節(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換成硬件芯片并應用在嵌入式系統(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，提供了一種脫離按鍵、鍵盤、鼠標、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)會有非常好的應用前景。

工作原理

圖1 LD3320和單片機(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鍵詞語以字符串的形式傳送進芯片，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，簡單地通過設置芯片的寄存器，把諸如“你好”這樣的識別關鍵詞語的內(nèi)容動態(tài)地傳入芯片中，芯片就可以識別所設定的關鍵詞語了。每個關鍵詞語可以是單字、詞組、短句或者任何的中文發(fā)音的組合。基于LD3320的語音識別系統(tǒng)可以隨著使用流程，在運行時動態(tài)地更改關鍵詞語列表的內(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練。

圖2 STC10L08XE構成的主控芯片

圖3 LD3320A構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(或嵌入式系統(tǒng))及LD33202.圖2和圖3分別是由單片機STC10L08XE 構成的主控芯片和由LD3320A 構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)

編者結語

編者認為這種語音識別系統(tǒng)主要應用于語音控制的點歌系統(tǒng)、語音控制的手機、音控智能導航儀、音控智能家電產(chǎn)品等。當然，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，降低誤識別率，可在設定好要識別的關鍵詞語后，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，從而達到降低誤識別率的目的。