物聯(lián)網(wǎng)系統(tǒng)智能控制產(chǎn)品的語音識別方案_離線語音識別芯片分析

01 物聯(lián)網(wǎng)系統(tǒng)中為什么要使用離線語音識別芯片

物聯(lián)網(wǎng)系統(tǒng)中使用離線語音識別芯片的原因主要基于以下幾個方面：

1、實時性與可靠性

實時性好：離線語音識別芯片能夠在沒有網(wǎng)絡(luò)連接的情況下進(jìn)行語音識別，避免了網(wǎng)絡(luò)延遲或不穩(wěn)定對識別速度的影響，從而保證了系統(tǒng)的實時響應(yīng)能力。

高度穩(wěn)定性和可靠性：離線語音識別芯片采用先進(jìn)的硬件設(shè)計和算法，能夠在各種環(huán)境下穩(wěn)定運行，不受網(wǎng)絡(luò)狀況的影響，提高了系統(tǒng)的整體穩(wěn)定性和可靠性。

2、數(shù)據(jù)安全性與用戶隱私保護(hù)

數(shù)據(jù)安全性高：由于離線語音識別芯片在本地進(jìn)行語音識別處理，用戶的語音數(shù)據(jù)不會上傳到云端，從而避免了數(shù)據(jù)泄露的風(fēng)險，增強(qiáng)了數(shù)據(jù)的安全性。

用戶隱私保護(hù)：在物聯(lián)網(wǎng)系統(tǒng)中，用戶的隱私保護(hù)至關(guān)重要。離線語音識別芯片通過避免數(shù)據(jù)傳輸過程中的潛在風(fēng)險，更好地保護(hù)了用戶的隱私。

3、靈活性與定制化

支持定制：離線語音識別芯片可以根據(jù)不同國家和地區(qū)的語言需求進(jìn)行定制，滿足多樣化的國際市場需求。

易于集成：這些芯片通常支持多種接口和協(xié)議，能夠與其他物聯(lián)網(wǎng)設(shè)備無縫對接，方便系統(tǒng)集成和開發(fā)。

4、低功耗與高性價比

低功耗：離線語音識別芯片在設(shè)計時注重能效比，能夠在保證性能的同時降低功耗，延長設(shè)備的使用時間。

高性價比：隨著技術(shù)的不斷進(jìn)步和規(guī)?；a(chǎn)，離線語音識別芯片的成本逐漸降低，使得其在大規(guī)模應(yīng)用中的性價比更高。

5、廣泛的應(yīng)用場景

家居：

車載娛樂與安全：

智能穿戴設(shè)備：

在運動或戶外場景中，智能穿戴設(shè)備的離線語音識別功能尤為實用，因為它們通常不依賴外部網(wǎng)絡(luò)連接。

智能安防：

工業(yè)控制：

相較于傳統(tǒng)的操作方式，語音控制更加直觀和便捷，提高了工作效率和安全性。

特定行業(yè)應(yīng)用：

在醫(yī)療、教育、金融等特定行業(yè)中，離線語音識別芯片也有廣泛的應(yīng)用。例如，在醫(yī)療領(lǐng)域，離線語音識別芯片可以用于智能語音病歷錄入、患者信息查詢等；在教育領(lǐng)域，可以用于智能教學(xué)設(shè)備、語言學(xué)習(xí)輔助工具等；在金融領(lǐng)域，可以用于智能客服、語音交易等。

綜上所述，物聯(lián)網(wǎng)系統(tǒng)中使用離線語音識別芯片能夠顯著提升系統(tǒng)的實時性、可靠性、數(shù)據(jù)安全性、用戶隱私保護(hù)能力以及靈活性和定制化水平。同時，這些芯片的低功耗和高性價比也使其成為物聯(lián)網(wǎng)系統(tǒng)中不可或缺的重要組成部分。

本文會再為大家詳解語音芯片家族中的一員——離線語音識別芯片。

02 離線語音識別芯片的定義

離線語音識別芯片是一種集成了語音識別算法和硬件處理能力的專用芯片，它能夠在沒有網(wǎng)絡(luò)連接的情況下，通過內(nèi)置的算法對輸入的語音信號進(jìn)行實時處理和分析，從而實現(xiàn)語音到文本的轉(zhuǎn)換功能。

離線語音識別芯片的主要特點包括：

無需聯(lián)網(wǎng)：這是離線語音識別芯片最顯著的特點。由于算法和模型都集成在芯片內(nèi)部，因此無需依賴外部服務(wù)器或網(wǎng)絡(luò)連接即可進(jìn)行語音識別。這使得離線語音識別芯片在隱私保護(hù)、數(shù)據(jù)安全以及網(wǎng)絡(luò)不可達(dá)的環(huán)境中具有獨特的優(yōu)勢。

實時處理：離線語音識別芯片能夠?qū)崟r接收并處理輸入的語音信號，將語音轉(zhuǎn)換為文本。這種實時性使得離線語音識別芯片在需要即時響應(yīng)的應(yīng)用場景中非常有用，如智能家居控制、車載導(dǎo)航等。

低功耗：為了滿足移動設(shè)備和其他嵌入式設(shè)備的需求，離線語音識別芯片通常采用低功耗設(shè)計。這意味著它們可以在不消耗過多能源的情況下進(jìn)行長時間的工作，適用于對能源消耗敏感的應(yīng)用場景。

高可靠性：由于離線語音識別芯片不依賴外部網(wǎng)絡(luò)，因此它們的可靠性更高。即使在網(wǎng)絡(luò)不穩(wěn)定或中斷的情況下，離線語音識別芯片仍然能夠正常工作，提供穩(wěn)定的語音識別服務(wù)。

離線語音識別芯片通常支持用戶自定義的語音識別模型和詞匯表。這意味著用戶可以根據(jù)自己的需求來定制語音識別功能，以滿足特定應(yīng)用場景下的需求。

03 離線語音識別芯片的原理

離線語音識別芯片的原理可以清晰地分為以下幾個步驟：

信號采集：

通過麥克風(fēng)（傳感器）捕捉聲音信號，將其轉(zhuǎn)化為電信號。這是后續(xù)處理的基礎(chǔ)。

預(yù)處理：

去除噪聲、回聲消除、降噪等處理，提高語音信號的質(zhì)量。

采樣和量化，將連續(xù)的模擬信號轉(zhuǎn)換為離散的數(shù)字信號。這一步驟主要通過DSP（數(shù)字信號處理器）進(jìn)行處理，例如雷龍語音模塊內(nèi)置的DSP芯片可以進(jìn)行各種卷積和數(shù)字濾波處理，以大幅提高語音質(zhì)量。

特征提?。?/p>

將語音信號轉(zhuǎn)化為具有代表性的特征向量。這些特征向量能夠捕捉到語音信號中的關(guān)鍵信息，如音調(diào)、音色和音節(jié)等。特征信息的提取需要通過算法來實現(xiàn)，并需要大量的計算能力。

匹配：

將提取的特征向量與預(yù)定義的詞典中的詞進(jìn)行匹配。常用的匹配算法包括動態(tài)時間規(guī)整（DTW），它能有效地解決語音信號的時間扭曲問題。

識別：

使用深度神經(jīng)網(wǎng)絡(luò)算法進(jìn)行語音識別。這種算法具有識別精準(zhǔn)、誤判率低等優(yōu)勢，可以過濾掉穩(wěn)態(tài)噪聲，并對動態(tài)噪聲也有很好的抑制作用，即使在噪音環(huán)境下也能準(zhǔn)確識別。

歸納：

離線語音識別芯片通過內(nèi)置的數(shù)字信號處理器（DSP）和其他算法，從聲音信號中提取關(guān)鍵信息，并轉(zhuǎn)化為特征向量。然后，這些特征向量與預(yù)定義的詞典進(jìn)行匹配，最終實現(xiàn)語音到文本的轉(zhuǎn)換。整個過程無需網(wǎng)絡(luò)連接，具有實時性、低功耗和高可靠性的特點。同時，由于采用了深度神經(jīng)網(wǎng)絡(luò)等先進(jìn)技術(shù)，離線語音識別芯片的識別精度和抗干擾能力也得到了顯著提升。

04 離線語音識別芯片的選型參數(shù)

語種支持：

確定芯片支持的語種，如中文、英文等。例如，蜂鳥M(US516P6)芯片支持中文和英語。

命令詞數(shù)量：

芯片支持的離線命令詞數(shù)量。例如，蜂鳥M(US516P6)支持150條離線命令詞。

識別率與誤喚醒率：

識別率：在特定測試條件下（如50dB背景噪音，距離5米下測試），芯片能夠達(dá)到的語音識別準(zhǔn)確率。例如，蜂鳥M(US516P6)的識別率為95%。

誤喚醒率：在特定時間段內(nèi)（如48小時），芯片被誤喚醒的次數(shù)。例如，蜂鳥M(US516P6)的誤喚醒率為48小時/1次以內(nèi)。

識別距離：

芯片在正常情況下能夠識別的最大距離。例如，蜂鳥M(US516P6)的識別距離為8米。

噪聲環(huán)境適應(yīng)性：

芯片能夠適應(yīng)的噪聲環(huán)境范圍。例如，蜂鳥M(US516P6)勝任低中噪聲環(huán)境（60dB背景噪音）。

特色功能：

芯片是否支持特定的功能，如消費者自學(xué)習(xí)功能（允許用戶自定義喚醒詞和命令詞）、穩(wěn)態(tài)降噪（處理固定頻率的噪聲）、AEC功能（回聲消除）等。

封裝與尺寸：

芯片的封裝類型和尺寸，這對于硬件設(shè)計和集成非常重要。例如，SU-21T芯片的封裝為SMD18，尺寸為10*10mm（±0.2）mm。

功耗：

芯片的待機(jī)功耗和工作功耗。低功耗對于嵌入式和移動設(shè)備來說至關(guān)重要。例如，SU-21T是一款低功耗的離線語音識別模組，待機(jī)功耗進(jìn)入亞毫瓦級，工作功耗幾毫瓦級別。

接口與兼容性：

芯片支持的接口類型和與其他設(shè)備的兼容性。例如，SU-21T支持UART/I2C/PWM/GPIO接口。

市場與應(yīng)用：

芯片主要面向的市場和應(yīng)用領(lǐng)域。這有助于確定芯片是否滿足項目的具體需求。例如，蜂鳥M(US516P6)適用于家電、照明、藍(lán)牙音箱等領(lǐng)域。

05 離線語音識別芯片的使用注意事項

使用前的準(zhǔn)備

了解芯片特性：

在使用離線語音識別芯片之前，應(yīng)仔細(xì)閱讀芯片的技術(shù)文檔，了解芯片的識別率、誤喚醒率、識別距離等關(guān)鍵參數(shù)。確保芯片支持所需的語種和命令詞數(shù)量。

環(huán)境評估：

評估使用場景的環(huán)境噪聲水平，確保芯片能在該環(huán)境下正常工作。盡量避免在嘈雜的環(huán)境中使用，以提高識別準(zhǔn)確率。

安裝與集成

接口匹配：

確保離線語音識別芯片的接口與您的設(shè)備或系統(tǒng)匹配，如UART、I2C、PWM、GPIO等。根據(jù)芯片的技術(shù)文檔正確連接和配置接口。

電源管理：

離線語音識別芯片通常具有低功耗特性，但仍需注意電源管理，確保芯片在待機(jī)和工作狀態(tài)下都能獲得穩(wěn)定的電源供應(yīng)。

使用與維護(hù)

發(fā)音清晰：

在使用離線語音識別功能時，發(fā)音應(yīng)清晰、準(zhǔn)確，避免語速過快或發(fā)音含糊不清。對于口音較重或發(fā)音不標(biāo)準(zhǔn)的用戶，可以通過擴(kuò)充詞匯庫、學(xué)習(xí)和錄入特定詞匯來提高識別率。

避免誤喚醒：

在設(shè)置喚醒詞時，應(yīng)選擇與其他常用詞匯區(qū)分度較高的詞匯，以減少誤喚醒的可能性。根據(jù)芯片的誤喚醒率調(diào)整喚醒詞的閾值，以降低誤喚醒率。

隱私保護(hù)：

離線語音識別芯片在處理語音數(shù)據(jù)時，應(yīng)確保數(shù)據(jù)僅在本地處理，不上傳到外部服務(wù)器。選擇有信譽的芯片供應(yīng)商，確保其符合隱私保護(hù)和數(shù)據(jù)安全的法規(guī)要求。

更新與升級：

關(guān)注芯片供應(yīng)商的更新和升級信息，及時獲取最新的固件和軟件版本。定期更新和升級芯片的軟件和算法，以提高識別準(zhǔn)確率和適應(yīng)新的應(yīng)用場景。

離線語音識別芯片的故障排查與解決

識別失?。?/p>

當(dāng)出現(xiàn)識別失敗時，首先檢查語音輸入是否清晰、準(zhǔn)確，以及環(huán)境噪聲是否過大。嘗試調(diào)整識別閾值或重新錄入命令詞，以改善識別效果。

性能下降：

如果發(fā)現(xiàn)離線語音識別芯片的性能下降，可能是由于長時間使用或環(huán)境因素導(dǎo)致的。此時可以嘗試重置芯片或?qū)⑵浞胖迷诟m宜的環(huán)境中，以恢復(fù)性能。

06 離線語音識別芯片的廠商

啟英泰倫（CI1006系列及CI135X系列）

成立時間：2015年11月

總部位置：成都市高新區(qū)

產(chǎn)品系列：形成了4個系列、20款芯片型號，涵蓋了端側(cè)AI語音芯片、AI語音Wi-Fi Combo芯片、AI語音BLE芯片

技術(shù)優(yōu)勢：擁有自主研發(fā)的腦神經(jīng)網(wǎng)絡(luò)處理器核（BNPU V3.5），支持多種神經(jīng)網(wǎng)絡(luò)和矢量并行運算

應(yīng)用領(lǐng)域：廣泛應(yīng)用于智慧家居、智慧酒店、智慧安防、智慧教育、智慧汽車和機(jī)器人等領(lǐng)域

預(yù)計出貨量：2024年將出貨5000萬顆語音芯片

廣州九芯電子科技有限公司（NRK100/NRK101/NRK10系列）

產(chǎn)品特點：自主研發(fā)的高性能、低成本的離線語音識別芯片，具有語音識別及播報功能

應(yīng)用領(lǐng)域：智能家居、AI人工智能、玩具等多種領(lǐng)域

北京承芯卓越科技有限公司

公司定位：立足于中關(guān)村清華科技園區(qū)，提供具有自主知識產(chǎn)權(quán)的智能語音處理類專用芯片和方案

主要業(yè)務(wù)：自主研發(fā)嵌入式語音識別芯片、應(yīng)用軟件技術(shù)、和智能語音應(yīng)用方案

探境、清微、知存

地域特點：均為北京系的公司

技術(shù)優(yōu)勢：在NPU（網(wǎng)絡(luò)神經(jīng)處理器）上有各自的技術(shù)特點和優(yōu)勢，語音識別的處理能力最優(yōu)，能耗比很高

杭州國芯

成立時間：2001年

業(yè)務(wù)領(lǐng)域：衛(wèi)星數(shù)字電視方案和AI語音識別方案

語音識別產(chǎn)品：芯片較多，其中GX8002A主打“高集成度和小體積”特點，主攻TWS耳機(jī)和可穿戴應(yīng)用

07 供應(yīng)商A:唯創(chuàng)知音

1、產(chǎn)品能力

（1）選型手冊

暫時無法在飛書文檔外展示此內(nèi)容

（2）主推型號1：WTK6900FC

對應(yīng)的產(chǎn)品詳情介紹

WTK6900FA-56N是一顆語音處理的人工智能語音芯片。該芯片基于深度神經(jīng)網(wǎng)絡(luò)(DNN-HMM)語音識別技術(shù),實現(xiàn)了高識別率、高實時性、本地和云端結(jié)合、高度一體化的語音識別及處理功能；可以實現(xiàn)語義識別等特定智能語音交互效果。同時該芯片具備常規(guī)MCU的控制及計算處理能力，可以實現(xiàn)各類需要通信及控制的應(yīng)用。

該芯片從語音輸入開始，語音檢測，語音特征提取及DNN運算完全采用硬件架構(gòu)設(shè)計，軟件主要進(jìn)行語音解碼和語音播報。該芯片具有較高的運算性能及低成本、低功耗、小尺寸等優(yōu)勢。在應(yīng)用方面，該芯片可以支持本地語音檢測、喚醒，以及一百多條離線命令詞條的識別。芯片可通過UART將命令推送到設(shè)備原有的上位機(jī)，實現(xiàn)簡單的語音交互接口。

產(chǎn)品特征：

（1）內(nèi)置ASR硬件加速引擎；語音活動檢測引擎（VAD）； （2）支持本地語音識別解碼；支持低功耗語音喚醒； （3）內(nèi)置獨立看門狗和窗口看門狗；支持超時產(chǎn)生中斷或復(fù)位； （4）支持外接晶體和有源晶振； （5）外設(shè)接口：內(nèi)置2路UART接口，其中一路支持硬件流量控制； （6）內(nèi)置1路SPI接口；

硬件參考設(shè)計

2、支撐

（1）技術(shù)產(chǎn)品

技術(shù)資料

本文章源自奇跡物聯(lián)開源的物聯(lián)網(wǎng)應(yīng)用知識庫Cellular IoT Wiki，更多技術(shù)干貨歡迎關(guān)注收藏Wiki：Cellular IoT Wiki 知識庫（https://rckrv97mzx.feishu.cn/wiki/wikcnBvAC9WOkEYG5CLqGwm6PHf）

歡迎同學(xué)們走進(jìn)AmazIOT知識庫的世界！

這里是為物聯(lián)網(wǎng)人構(gòu)建的技術(shù)應(yīng)用百科，以便幫助你更快更簡單的開發(fā)物聯(lián)網(wǎng)產(chǎn)品。

Cellular IoT Wiki初心：

在我們長期投身于蜂窩物聯(lián)網(wǎng) ODM/OEM 解決方案的實踐過程中，一直被物聯(lián)網(wǎng)技術(shù)碎片化與產(chǎn)業(yè)資源碎片化的問題所困擾。從產(chǎn)品定義、芯片選型，到軟硬件研發(fā)和測試，物聯(lián)網(wǎng)技術(shù)的碎片化以及產(chǎn)業(yè)資源的碎片化，始終對團(tuán)隊的產(chǎn)品開發(fā)交付質(zhì)量和效率形成制約。為了減少因物聯(lián)網(wǎng)碎片化而帶來的重復(fù)開發(fā)工作，我們著手對物聯(lián)網(wǎng)開發(fā)中高頻應(yīng)用的技術(shù)知識進(jìn)行沉淀管理，并基于 Bloom OS 搭建了不同平臺的 RTOS 應(yīng)用生態(tài)。后來我們發(fā)現(xiàn)，很多物聯(lián)網(wǎng)產(chǎn)品開發(fā)團(tuán)隊都面臨著相似的困擾，于是，我們決定向全體物聯(lián)網(wǎng)行業(yè)開發(fā)者開放奇跡物聯(lián)內(nèi)部沉淀的應(yīng)用技術(shù)知識庫 Wiki，期望能為更多物聯(lián)網(wǎng)產(chǎn)品開發(fā)者減輕一些重復(fù)造輪子的負(fù)擔(dān)。

Cellular IoT Wiki沉淀的技術(shù)內(nèi)容方向如下：

奇跡物聯(lián)的業(yè)務(wù)服務(wù)范圍：基于自研的NB-IoT、Cat1、Cat4等物聯(lián)網(wǎng)模組，為客戶物聯(lián)網(wǎng)ODM/OEM解決方案服務(wù)。我們的研發(fā)技術(shù)中心在石家莊，PCBA生產(chǎn)基地分布在深圳、石家莊、北京三個工廠，滿足不同區(qū)域&不同量產(chǎn)規(guī)模&不同產(chǎn)品開發(fā)階段的生產(chǎn)制造任務(wù)。跟傳統(tǒng)PCBA工廠最大的區(qū)別是我們只服務(wù)物聯(lián)網(wǎng)行業(yè)客戶。

連接我們，和10000+物聯(lián)網(wǎng)開發(fā)者一起 降低技術(shù)和成本門檻

讓蜂窩物聯(lián)網(wǎng)應(yīng)用更簡單~~

哈哈你終于滑到最重要的模塊了，

千萬不！要！劃！走！忍住沖動！~

歡迎加入飛書“開源技術(shù)交流群”，隨時找到我們哦~

點擊鏈接如何加入奇跡物聯(lián)技術(shù)話題群（https://rckrv97mzx.feishu.cn/docx/Xskpd1cFQo7hu9x5EuicbsjTnTf）可以獲取加入技術(shù)話題群攻略

Hey 物聯(lián)網(wǎng)從業(yè)者，

你是否有了解過奇跡物聯(lián)的官方公眾號“eSIM物聯(lián)工場”呢？

這里是奇跡物聯(lián)的物聯(lián)網(wǎng)應(yīng)用技術(shù)開源wiki主陣地，歡迎關(guān)注公眾號，不迷路～

及時獲得最新物聯(lián)網(wǎng)應(yīng)用技術(shù)沉淀發(fā)布

審核編輯 黃宇