嵌入式平臺語音識別技術(shù)的研究.pdf

1、目前，在嵌入式平臺，像手機(jī)、平板、穿戴數(shù)碼、汽車電子等，語音識別方案受嵌入式設(shè)備計算速度和存儲能力的限制，大多選用云語音識別方案，例如Google云語音識別、科大訊飛云語音識別等，而云語音識別效果又與嵌入式平臺網(wǎng)絡(luò)狀況以及云語音識別服務(wù)器計算能力相關(guān)。因此，針對嵌入式平臺來說，基于云的語音識別方案存在識別延時大、識別結(jié)果情景相關(guān)性不強(qiáng)的問題。
　　本論文主要工作是研究適合嵌入式平臺的語音識別方案，達(dá)到高精度、快速度的語音識別效果，

2、并具備一定的口音抗拒能力，滿足嵌入式平臺語音識別的應(yīng)用需求。論文針對嵌入式平臺語音識別面臨的4個核心問題（計算能力、詞匯量、識別速度、說話者口音），從現(xiàn)有的3種語音識別解決方案（專用語音識別芯片級、語音識別開發(fā)平臺級、云語音識別級）著手，提出了基于專用語音芯片的本地語音識別和云語音識別輔助的混合語音識別方案。
　　論文分別研究了嵌入式平臺下，基于 LD3320的本地語音識別方案和基于Google的云語音識別方案的性能。測試結(jié)果表明

3、：單純基于 LD3320的本地語音識別平均識別準(zhǔn)確率為87.2％，但識別指令個數(shù)不能超過50，而單純基于Google的云語音識別準(zhǔn)確率受說話者口音及語音詞匯頻度影響很大，而且識別延時不穩(wěn)定且依賴網(wǎng)絡(luò)狀況。WIFI網(wǎng)絡(luò)狀況下識別延時0.3s~3s，而手機(jī)2G網(wǎng)下延時4s~14s不等。針對嵌入式平臺本地語音識別和云語音識別的特點(diǎn)，提出利用“動態(tài)多場景切換”機(jī)制解決識別指令個數(shù)限制，利用“近音映射”機(jī)制解決說話者口音問題，組建以基于 LD33