技術(shù)分享
本地離線語(yǔ)音識(shí)別控制如何實(shí)現(xiàn)？
發(fā)布時(shí)間：2022-01-24 00:00:00 瀏覽：2406次
隨著離線語(yǔ)音行業(yè)的發(fā)展，生產(chǎn)廠家總結(jié)出了離線語(yǔ)音識(shí)別的較為完善的解決方案，在進(jìn)行一些口音問(wèn)題時(shí)，可以通過(guò)不同的需求使用不同的模型，如果是全國(guó)范圍內(nèi)的出售，那就可以使用音素模型，如果只是在某地出售，那就可以使用整詞模型。對(duì)于噪音問(wèn)題，可以讓聲學(xué)前端先處理，然后再去語(yǔ)音識(shí)別模塊去進(jìn)行處理，這樣可以有效的減少噪音的影響，提高識(shí)別率。下面由輕生活科技小編繼續(xù)跟大家聊聊天吧！
想要快速的完成命令詞的錄入，那么就會(huì)使用到深度神經(jīng)網(wǎng)絡(luò)語(yǔ)音識(shí)別技術(shù)；離線語(yǔ)音模塊中，需要錄入數(shù)量挺多的操作命令詞，想要做到跟喚醒詞差不多的特訓(xùn)，那就會(huì)使得成本加大，并且工作量會(huì)增加。如果是命令詞眾多的，那就可以使用深度神經(jīng)網(wǎng)絡(luò)語(yǔ)音識(shí)別技術(shù)，首先從語(yǔ)音的輸入開始，然后到語(yǔ)音檢測(cè)、語(yǔ)音語(yǔ)音特征的提取以及DNN運(yùn)算采用硬件架構(gòu)設(shè)計(jì)，軟件進(jìn)行語(yǔ)音解碼，這樣可以有高識(shí)別率以及高實(shí)時(shí)性，這樣的效果可達(dá)直接商用的程度。
如果有大量指令詞，那么使用TDNN、DNN等語(yǔ)音識(shí)別商務(wù)的算法，然后跟完整的語(yǔ)法文件相組合，這樣能快速的讓指令詞達(dá)到可商用的程度，后續(xù)的話，也可以通過(guò)一些語(yǔ)音大腦模組，進(jìn)行動(dòng)態(tài)更新識(shí)別指令集，保持離線識(shí)別的準(zhǔn)確率。
一般離線語(yǔ)音的語(yǔ)音庫(kù)都集中在IC之中，這樣可以更加快速便捷的讓用戶進(jìn)行語(yǔ)音控制，但是，這會(huì)增加硬件的一個(gè)成本，所以很多生產(chǎn)廠家都會(huì)去找尋那些價(jià)格實(shí)惠，性價(jià)比高且不影響語(yǔ)音識(shí)別性能的IC。
而想要降低離線語(yǔ)音IC的成本，那就得從多方面去考慮，重要的是芯片，而芯片里面的外圍電路是比較重要的部分，而算法也是比較重要的，如果算法能后的到進(jìn)一步的提升，那么算力的占用空間就越來(lái)越少?，F(xiàn)在芯片的集成程度都比較高，外圍電路也相對(duì)簡(jiǎn)單一些，成本也是會(huì)低一些?？梢酝ㄟ^(guò)語(yǔ)音識(shí)別專用的硬件來(lái)進(jìn)行加速的推演算法，這樣也可以降低IC的一個(gè)成本。
免責(zé)聲明： 本文章轉(zhuǎn)自其它平臺(tái)，并不代表本站觀點(diǎn)及立場(chǎng)。若有侵權(quán)或異議，請(qǐng)聯(lián)系我們刪除。謝謝！ |
關(guān)注矽源特公眾號(hào)
矽源特微信客服
發(fā)送郵件
商務(wù)QQ客服
13823761625
微信咨詢客服
