LD332XLD332XLD332XLD332X系列语音识别芯片的工作原理：
LD3320提供的语音识别技术，是基于 "关键词语列表 "的识别技术 :ASR(Auto speech
recognition )技术。
语音识别芯片完成的工作就是：把通过 MIC输入的声音进行频谱分析->提取语音特征->和
关键词语列表中的关键词语进行对比匹配->找出得分最高的关键词语作为识别结果输出。
语音识别芯片能在两种情况下给出识别结果：
1）外部送入预定时间的语音数据后（比如5秒钟的语音数据），芯片对这些语音数据运算分
析后，给出识别结果
2）外部送入语音数据流，语音识别芯片通过端点检测 VAD（voice activity detection）检测
出用户停止说话，把用户开始说话到停止说话之间的语音数据进行运算分析后，给出识别结
果
对于第一种情况，可以理解为设定了一个定时录音（比如为5秒钟），芯片在5秒钟后，会停
止把声音送入识别引擎，并且根据已送入引擎的语音数据计算出一个识别结果。
对于第二种情况，需要了解 VAD的工作原理：
VAD（Voice Activity Detection） 技术是在一段语音数据流中，判断出哪个时间点是人声的
开始，哪个时间点是人声的结束。判断的依据是，在背景声音的基础上有了语音发音，则视
为声音的开始。而后，检测到一段持续时间的背景音（比如600毫秒），则视为人声说话结
束。
通过 VAD判断出人声说话的区域后，语音识别芯片会把这期间的声音数据进行识别处理后，
计算出识别结果。
需要说明的是，除了以上两种情况外，语音识别算法无法"主动"地判断出是否识别出了一个
结果。这是因为，在计算的过程中的任何时刻，语音识别器都会对已送入识别芯片的声音数
据进行分析，并根据匹配程度为识别列表中的关键词语进行打分，最匹配的打分最高。
但是，由于识别算法不知道用户后面是否还继续说语音，所以无法"主动"地判断已经识别出
一个结果。
比如，识别列表中有两个关键词语分别是"李晓"和"李晓明"，当用户说到"晓"这个音节时，
在识别芯片内部是"李晓"的得分最高，但此时识别芯片是无法给出识别结果。随着用户说出
"明"音节后，"李晓明"则成为得分最高。此时，用户停止说话，或者是定时录音已到，使得
识别芯片可以判断出用户已经停止说话了，才能给出识别结果是"李晓明"。
本文档为【语音识别芯片工作原理】，请使用软件OFFICE或WPS软件打开。作品中的文字与图均可以修改和编辑，
图片更改请在作品中右键图片并更换，文字修改请直接点击文字进行修改，也可以新增和删除文档中的内容。
该文档来自用户分享，如有侵权行为请发邮件ishare@vip.sina.com联系网站客服，我们会及时删除。
[版权声明] 本站所有资料为用户分享产生，若发现您的权利被侵害，请联系客服邮件isharekefu@iask.cn，我们尽快处理。
本作品所展示的图片、画像、字体、音乐的版权可能需版权方额外授权，请谨慎使用。
网站提供的党政主题相关内容(国旗、国徽、党徽..)目的在于配合国家政策宣传，仅限个人学习分享使用，禁止用于任何广告和商用目的。
浙公网安备 33021202002483