語音識別芯片的原理

嵌入式語音識別系統(tǒng)都采用了模式匹配的原理。錄入的語音信號首先經(jīng)過預(yù)處理，包括語音信號的采樣、反混疊濾波、語音增強，接下來是特征提取，用以從語音信號波形中提取一組或幾組能夠描述語音信號特征的參數(shù)。特征提取之后的數(shù)據(jù)一般分為兩個步驟，第一步是系統(tǒng)“學(xué)習(xí)”或“訓(xùn)練”階段，這一階段的任務(wù)是構(gòu)建參考模式庫，詞表中每個詞對應(yīng)一個參考模式，它由這個詞重復(fù)發(fā)音多遍，再經(jīng)特征提取和某種訓(xùn)練中得到。第二是“識別”或“測試”階段，按照一定的準(zhǔn)則求取待測語音特征參數(shù)和語音信息與模式庫中相應(yīng)模板之間的失真測度，最匹配的就是識別結(jié)果。

語音識別芯片分類

按照使用者的限制而言，語音識別芯片可以分為特定人語音識別芯片和非特定人語音識別芯片。

特定人語音識別

特定人語音識別芯片是針對指定人的語音識別，其他人的話不識別，須先把使用者的語音參考樣本存入當(dāng)成比對的資料庫，即特定人語音識別在使用前必須要進行語音訓(xùn)練，一般按照機器提示訓(xùn)練2遍語音詞條即可使用。

非特定人語音識別

非特定人語音識別是不用針對指定的人的識別技術(shù)，不分年齡、性別，只要說相同語言就可以，應(yīng)用模式是在產(chǎn)品定型前按照確定的十幾個語音交互詞條，采集200人左右的聲音樣本，經(jīng)過PC算法處理得到交互詞條的語音模型和特征數(shù)據(jù)庫，然后燒錄到芯片上。應(yīng)用這種芯片的機器（智能娃娃、電子寵物、兒童電腦）就具有交互功能了。

非特定人語音識別應(yīng)用有的是基于音素的算法，這種模式下不需要采集很多人的聲音樣本就可以做交互識別，但是缺點是識別率不高，識別性能不穩(wěn)定。

按照說話方式的連續(xù)性，語音識別芯片又可分為非連續(xù)語音識別和連續(xù)語音識別。

非連續(xù)語音識別

對于非連續(xù)語音來說，識別所說的每一個字必須分開辨認(rèn)，要求說完每個字后都要停頓。

連續(xù)語音識別

連續(xù)語音識別可以一般自然流利的說話方式來進行人性化的語音識別，但由于關(guān)系到相連音的問題，很難達到好的辨認(rèn)效果。