自從Amazon Alexa音箱發(fā)布以來(lái)，各大廠家開(kāi)始陸續(xù)發(fā)布自家的音箱，完善自家的生態(tài)系統(tǒng)。從以前的路由器，手機(jī)到現(xiàn)在的音箱，一個(gè)個(gè)被認(rèn)為或曾被認(rèn)為是智能家居的入口，總會(huì)在市場(chǎng)上掀起一番風(fēng)浪。

有幸在2018年完成了一款以語(yǔ)音交互為核心功能的產(chǎn)品，也算跟了一場(chǎng)大潮，對(duì)語(yǔ)音方面也有些相關(guān)的探索和思考。

語(yǔ)音識(shí)別主要有三大組成，語(yǔ)義識(shí)別平臺(tái)，cpu主控，以及MIC陣列；

目前國(guó)內(nèi)大的語(yǔ)音平臺(tái)主要有：科大訊飛，百度，思必馳，云知聲等等很專業(yè)的廠家，也有小米，騰訊等一些互聯(lián)網(wǎng)玩家，還有華為等少數(shù)幾個(gè)傳統(tǒng)廠家。

主控方面：主要有三類，

第一，通用的CPU，如瑞芯微的平板方案，TI的數(shù)字處理芯片；

第二，專門針對(duì)語(yǔ)音推出的一些新的平臺(tái)，如MT8516；

第三，專用的語(yǔ)音芯片，主要是大平臺(tái)廠家的根據(jù)自家的算法定制的一些芯片，百度，思必馳，Amazon都在推出或計(jì)劃推出自家的專用芯片。

MIC陣列：平臺(tái)廠家如科大訊飛有自家的MIC陣列，也有專門的硬件提供方，如聲智科技，地平線等

下面將大致介紹其每個(gè)模塊的使用：

首先，我們看一張硬件框圖：

其中有幾點(diǎn)需要注意的地方：

第一：MIC數(shù)量和AEC數(shù)量，是根據(jù)具體的語(yǔ)音處理算法來(lái)的。一般主流的是2MIC+2REF，既節(jié)省成本效果也還不錯(cuò)

第二：AEC，需要從PA后端采回

在軟件方面，以Linux為主：

第一：MIC和REF處理方面，即普通的音頻讀取方式，驅(qū)動(dòng)根據(jù)具體的codec來(lái)，一般主控廠家會(huì)提供

第二：將讀取到的音頻，根據(jù)語(yǔ)音識(shí)別算法的格式要求封裝，一般語(yǔ)音識(shí)別廠家會(huì)提供對(duì)應(yīng)CPU平臺(tái)的開(kāi)發(fā)SDK，基本不可能提供源碼的，主要是MIC+REF的數(shù)據(jù)混合

第三：熟悉語(yǔ)音SDK使用，主要有幾點(diǎn)：

1. 配置SDK環(huán)境和資源，主要有喚醒，AEC，VAD，拾音，云端資源等，對(duì)于VAD，拾音等模塊，可以是CPU方提供，也可以是語(yǔ)音識(shí)別方提供，最終的具體效果需要兩方聯(lián)合調(diào)試

2. 喚醒和識(shí)別的數(shù)據(jù)處理過(guò)程，一般來(lái)說(shuō)有不同的處理方式，根據(jù)SDK要求提供相應(yīng)的數(shù)據(jù)即可

3. SDK處理結(jié)果，一般為回調(diào)方式，注意線程安全的問(wèn)題。格式一般為json，根據(jù)關(guān)鍵字段處理即可，比如返回在線音頻，tts結(jié)果，請(qǐng)求的文字，智能家居控制指令等等

4. 一般語(yǔ)音廠家會(huì)提供開(kāi)發(fā)云平臺(tái)，我們可以自行選擇相應(yīng)的技能或者開(kāi)發(fā)自己的技能，比如訊飛開(kāi)發(fā)平臺(tái)，思必馳DUI平臺(tái)等，操作方式也類似

最后總結(jié)：

第一：VAD，拾音，AEC等聯(lián)合調(diào)試比較復(fù)雜，也最費(fèi)時(shí)間，產(chǎn)品效果好壞主在于此

第二：在選擇語(yǔ)音平臺(tái)時(shí)，先考慮好自家主要需要哪些技能及后續(xù)可能會(huì)擴(kuò)展的技能

第三：SDK的使用，比如線程安全，穩(wěn)定性，需要長(zhǎng)時(shí)間測(cè)試

?

?

總結(jié)

以上是生活随笔為你收集整理的项目中用到的语音识别方案 硬件/软件相关介绍的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。