可編輯語音識(shí)別芯片LD3320

1、Routein fo第 # 頁Routein foRouteLD3320語音識(shí)別芯片第 # 頁Routein fo（單芯片/非特定人/動(dòng)態(tài)編輯識(shí)別列表語音識(shí)別解決方案）用聲音去溝通VUI (Voice User Interface)ICRoute用聲音去溝通VUI (Voice User In terface)Web :Tel ail:in fo一、.語音識(shí)別芯片介紹LD3320是一顆基于非特定人語音識(shí)別(SI-ASR: Speaker-IndependentAutomatic Speech Recognition )技術(shù)的語音識(shí)別/聲控芯片。提供了真正的單 芯片語

2、音識(shí)別解決方案。LD3320芯片上集成了高精度的A/D和D/A接口，不再需要外接輔助的Flash和RAM即可以實(shí)現(xiàn)語音識(shí)別/聲控/人機(jī)對(duì)話功能。并且，識(shí)別的關(guān)鍵詞 語列表是可以動(dòng)態(tài)編輯的?；贚D3320可以在任何的電子產(chǎn)品中，甚至包括最簡單的51作為主控芯片的系統(tǒng)中，輕松實(shí)現(xiàn)語音識(shí)別/聲控/人機(jī)對(duì)話功能。為所有的電子產(chǎn)品增 加VUI( Voice User In terface)語音用戶操作界面。主要特色功能：非特定人語音識(shí)別技術(shù)：不需要用戶進(jìn)行錄音訓(xùn)練可動(dòng)態(tài)編輯的識(shí)別關(guān)鍵詞語列表：只需要把識(shí)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(shí)別中立即生效。比如，用戶在51等MCU勺編程中

3、，簡單地通過設(shè)置芯片的寄存器，把諸如“你好”這樣的識(shí)別關(guān)鍵詞的內(nèi)容動(dòng)態(tài) 地傳入芯片中，芯片就可以識(shí)別這樣設(shè)定的關(guān)鍵詞語了。真正單芯片解決方案：不需要任何外接的輔助Flash和RAM真正降低系統(tǒng)成本。內(nèi)置高精度 A/D和D/A通道:：不需要外接 AD芯片，只需要把麥克風(fēng)接在芯片的 AD引腳上；可以播放聲音文件，并提供550mW的內(nèi)置放大器。高準(zhǔn)確度和實(shí)用的語音識(shí)別效果支持用戶自由編輯 50條關(guān)鍵詞語 在同一時(shí)刻，最多在 50條關(guān)鍵詞語中進(jìn)行識(shí) 別，終端用戶可以根據(jù)場(chǎng)景需要，隨時(shí)編輯和更新這50條關(guān)鍵詞語的內(nèi)容。二、語音識(shí)別介紹語音識(shí)別 ASR技術(shù)，是基于關(guān)鍵詞語列表識(shí)別的技術(shù)。只需要設(shè)定好要識(shí)

4、別的關(guān)鍵詞語列表，并把這些關(guān)鍵詞語以字符的形式傳送到LD3320內(nèi)部，就可以對(duì)用戶說出的關(guān)鍵詞語進(jìn)行識(shí)別。不需要用戶作任何地錄音訓(xùn)練。語音識(shí)別ASR現(xiàn)實(shí)意義：ASR 技術(shù)最重要的現(xiàn)實(shí)意義就在于提供了一種脫離按鍵，鍵盤，鼠標(biāo)的基 于語音的用戶界面 VUI: Voice User In terface 。使得用戶對(duì)于產(chǎn)品的操作更快速，更自然。非特定人語音識(shí)別技術(shù)ASR是對(duì)幾十 G的語音數(shù)據(jù)經(jīng)語言學(xué)家語音模型分析，科學(xué)家建立數(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?？梢缘玫皆诮y(tǒng)計(jì)概率最優(yōu)化意義上的各個(gè)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)化為硬件芯

5、片以應(yīng)用在嵌入 式系統(tǒng)中?；陬I(lǐng)先的語音識(shí)別核心引擎，經(jīng)過在各大主流手機(jī)產(chǎn)品中三年來超過一 千萬份的量產(chǎn)檢驗(yàn)，LD3320提供了可以真正實(shí)用的語音識(shí)別/聲控功能。ASR技術(shù)是基于關(guān)鍵詞語列表識(shí)別的技術(shù)。每次識(shí)別的過程，就是把用戶說出的語音內(nèi)容，通過頻譜轉(zhuǎn)換為語音特 征，和這個(gè)關(guān)鍵詞語列表中的條目進(jìn)行一一匹配，最優(yōu)匹配的一條作為識(shí)別結(jié) 果。比如在手機(jī)的應(yīng)用中，這個(gè)關(guān)鍵詞語列表的內(nèi)容就是電話本中的人名/手機(jī)的菜單命令/T卡中的歌曲名字。不論這個(gè)列表的條目內(nèi)容是什么，只需要用戶設(shè)置相關(guān)的寄存器，就可以 把相應(yīng)的待識(shí)別條目內(nèi)容以字符形式傳遞給識(shí)別引擎。LD3320可以識(shí)別列表中的關(guān)鍵詞，用戶說的語音可

6、以是這個(gè)列表中任意的 關(guān)鍵詞語，而且不需要用戶在識(shí)別前進(jìn)行任何訓(xùn)練。識(shí)別引擎不關(guān)心關(guān)鍵詞語列表中的關(guān)鍵詞語的內(nèi)容，可以是命令，人名， 歌曲名字，操作指令等等任何的漢字字符串。每條關(guān)鍵詞語最大可以支持的字?jǐn)?shù)，從算法角度是限制在30字以內(nèi)。但是從實(shí)際情況來看，用戶一口氣說超過8個(gè)字以上的條目時(shí)，幾乎肯定會(huì)出現(xiàn)說錯(cuò)字/說漏字/說多字/打嗝/停頓等情況，這些情況都會(huì)嚴(yán)重影響識(shí)別并造成識(shí) 別錯(cuò)誤。因而一般來說，如果要獲得理想的識(shí)別效果，建議每條關(guān)鍵詞語的字 數(shù)不要過長，避免影響效果。ASR技術(shù)上的局限性在于：ASR不是聽寫系統(tǒng)ASR不能把人的聲音轉(zhuǎn)換為確定的拼音串ASR不能任意地識(shí)別人的說話內(nèi)容ASR不

7、能識(shí)別關(guān)鍵詞語列表中的某個(gè)關(guān)鍵詞語的一部分內(nèi)容，除非這一部 分內(nèi)容自身也是一個(gè)關(guān)鍵詞語ASR不可以識(shí)別與關(guān)鍵詞語列表中列出的關(guān)鍵詞語不相符的情況 比如，前后加了 “嗯”，“阿”之類的語氣詞 比如，只說出了關(guān)鍵詞語中的一部分而不是整個(gè)關(guān)鍵詞語 比如，沒有列在關(guān)鍵詞語列表中的詞語三、應(yīng)用場(chǎng)景由于LD3320可以動(dòng)態(tài)編輯的識(shí)別關(guān)鍵詞語列表，因此其可以應(yīng)用的范圍大大超過了那些不可以改變識(shí)別列表的芯片。同時(shí)，LD3320是一顆真正的單芯片解決方案，不需要輔助的外圍Flash/RAM/AD,只需要有一顆 51級(jí)別的單片機(jī)芯片就可以控制 LD3320從而降低了系統(tǒng)的成本。其應(yīng)用場(chǎng)景主要包括：1. 智能玩具/

8、對(duì)話玩具2. 導(dǎo)航儀3. MP3/MP44. 數(shù)碼像框5. 機(jī)頂盒/彩電遙控器6. 電磁爐/微波爐/洗衣機(jī)/智能家電操作7. PMP/游戲機(jī)8. 自動(dòng)售貨機(jī)9. 地鐵自動(dòng)售票機(jī)10. 導(dǎo)游機(jī)11. 樓宇電視的廣告點(diǎn)播(請(qǐng)參考“ LD3320語音識(shí)別芯片應(yīng)用場(chǎng)景”)四、主要技術(shù)參數(shù)1. 內(nèi)置單聲道m(xù)ono 16-bit A/D模數(shù)轉(zhuǎn)換2. 內(nèi)置雙聲道stereo 16-bit D/A數(shù)模轉(zhuǎn)換3. 內(nèi)置20mW聲道耳機(jī)放大器輸出4. 內(nèi)置550mW單聲道揚(yáng)聲器放大器輸出5. 支持并行接口或者 SPI接口6. 內(nèi)置鎖相電路 PLL，輸入主控時(shí)鐘頻率為2MHz - 34MHz7. 工作電壓：(VDD: for internal core) 3.3V8. 48pin 的QFN 7*7標(biāo)準(zhǔn)封裝9. 省電模式耗電：1uALD3320評(píng)估板的照片：（其中，控制MCU目前選用的是 STC的51單片機(jī)）9