原创 物联网系统智能控制产品的语音识别方案_离线语音识别芯片分析

01

物联网系统中为什么要使用离线语音识别芯片

物联网系统中使用离线语音识别芯片的原因主要基于以下几个方面：

1、实时性与可靠性

• 实时性好：离线语音识别芯片能够在没有网络连接的情况下进行语音识别，避免了网络延迟或不稳定对识别速度的影响，从而保证了系统的实时响应能力。
• 高度稳定性和可靠性：离线语音识别芯片采用先进的硬件设计和算法，能够在各种环境下稳定运行，不受网络状况的影响，提高了系统的整体稳定性和可靠性。

2、数据安全性与用户隐私保护

• 数据安全性高：由于离线语音识别芯片在本地进行语音识别处理，用户的语音数据不会上传到云端，从而避免了数据泄露的风险，增强了数据的安全性。
• 用户隐私保护：在物联网系统中，用户的隐私保护至关重要。离线语音识别芯片通过避免数据传输过程中的潜在风险，更好地保护了用户的隐私。

3、灵活性与定制化

• 支持定制：离线语音识别芯片可以根据不同国家和地区的语言需求进行定制，满足多样化的国际市场需求。
• 易于集成：这些芯片通常支持多种接口和协议，能够与其他物联网设备无缝对接，方便系统集成和开发。

4、低功耗与高性价比

• 低功耗：离线语音识别芯片在设计时注重能效比，能够在保证性能的同时降低功耗，延长设备的使用时间。
• 高性价比：随着技术的不断进步和规模化生产，离线语音识别芯片的成本逐渐降低，使得其在大规模应用中的性价比更高。

5、广泛的应用场景

• 家居：

离线语音识别芯片可以作为智能家居设备的核心控制器，用户可以通过语音指令控制灯光、电视、空调等家居设备。例如，某些智能音箱集成了离线语音识别芯片，可以在没有网络连接的情况下，通过语音指令播放音乐、查询天气等。

• 车载娱乐与安全：

在车载系统中，离线语音识别芯片可以实现语音导航、电话接听、娱乐控制等功能，提高了驾驶的安全性和便捷性。由于无需联网，即使在网络信号不佳或没有信号的情况下，也能保证语音识别的正常使用。

• 智能穿戴设备：

离线语音识别芯片可以作为智能手表和手环的语音识别模块，实现语音交互、电话接听、信息查询等功能。

• 在运动或户外场景中，智能穿戴设备的离线语音识别功能尤为实用，因为它们通常不依赖外部网络连接。
• 智能安防：

离线语音识别芯片可以应用于智能安防设备中，如智能门锁、监控摄像头等，通过语音指令实现设备的控制和联动。在家庭安防领域，离线语音识别芯片可以提高用户的隐私保护和数据安全。

• 工业控制：

在某些工业控制场景中，如自动化生产线、机器人控制等，离线语音识别芯片可以实现语音控制和操作。

相较于传统的操作方式，语音控制更加直观和便捷，提高了工作效率和安全性。

• 特定行业应用：

在医疗、教育、金融等特定行业中，离线语音识别芯片也有广泛的应用。例如，在医疗领域，离线语音识别芯片可以用于智能语音病历录入、患者信息查询等；在教育领域，可以用于智能教学设备、语言学习辅助工具等；在金融领域，可以用于智能客服、语音交易等。

综上所述，物联网系统中使用离线语音识别芯片能够显著提升系统的实时性、可靠性、数据安全性、用户隐私保护能力以及灵活性和定制化水平。同时，这些芯片的低功耗和高性价比也使其成为物联网系统中不可或缺的重要组成部分。

本文会再为大家详解语音芯片家族中的一员——离线语音识别芯片。

02

离线语音识别芯片是一种集成了语音识别算法和硬件处理能力的专用芯片，它能够在没有网络连接的情况下，通过内置的算法对输入的语音信号进行实时处理和分析，从而实现语音到文本的转换功能。

离线语音识别芯片的主要特点包括：

• 无需联网：这是离线语音识别芯片最显著的特点。由于算法和模型都集成在芯片内部，因此无需依赖外部服务器或网络连接即可进行语音识别。这使得离线语音识别芯片在隐私保护、数据安全以及网络不可达的环境中具有独特的优势。
• 实时处理：离线语音识别芯片能够实时接收并处理输入的语音信号，将语音转换为文本。这种实时性使得离线语音识别芯片在需要即时响应的应用场景中非常有用，如智能家居控制、车载导航等。
• 低功耗：为了满足移动设备和其他嵌入式设备的需求，离线语音识别芯片通常采用低功耗设计。这意味着它们可以在不消耗过多能源的情况下进行长时间的工作，适用于对能源消耗敏感的应用场景。
• 高可靠性：由于离线语音识别芯片不依赖外部网络，因此它们的可靠性更高。即使在网络不稳定或中断的情况下，离线语音识别芯片仍然能够正常工作，提供稳定的语音识别服务。
• 离线语音识别芯片通常支持用户自定义的语音识别模型和词汇表。这意味着用户可以根据自己的需求来定制语音识别功能，以满足特定应用场景下的需求。

03

离线语音识别芯片的原理

离线语音识别芯片的原理可以清晰地分为以下几个步骤：

信号采集：

通过麦克风（传感器）捕捉声音信号，将其转化为电信号。这是后续处理的基础。

预处理：

• 去除噪声、回声消除、降噪等处理，提高语音信号的质量。
• 采样和量化，将连续的模拟信号转换为离散的数字信号。这一步骤主要通过DSP（数字信号处理器）进行处理，例如雷龙语音模块内置的DSP芯片可以进行各种卷积和数字滤波处理，以大幅提高语音质量。

特征提取：

将语音信号转化为具有代表性的特征向量。这些特征向量能够捕捉到语音信号中的关键信息，如音调、音色和音节等。特征信息的提取需要通过算法来实现，并需要大量的计算能力。

匹配：

将提取的特征向量与预定义的词典中的词进行匹配。常用的匹配算法包括动态时间规整（DTW），它能有效地解决语音信号的时间扭曲问题。

识别：

使用深度神经网络算法进行语音识别。这种算法具有识别精准、误判率低等优势，可以过滤掉稳态噪声，并对动态噪声也有很好的抑制作用，即使在噪音环境下也能准确识别。

归纳：

离线语音识别芯片通过内置的数字信号处理器（DSP）和其他算法，从声音信号中提取关键信息，并转化为特征向量。然后，这些特征向量与预定义的词典进行匹配，最终实现语音到文本的转换。整个过程无需网络连接，具有实时性、低功耗和高可靠性的特点。同时，由于采用了深度神经网络等先进技术，离线语音识别芯片的识别精度和抗干扰能力也得到了显著提升。

04

离线语音识别芯片的选型参数

语种支持：

确定芯片支持的语种，如中文、英文等。例如，蜂鸟M(US516P6)芯片支持中文和英语。

命令词数量：

芯片支持的离线命令词数量。例如，蜂鸟M(US516P6)支持150条离线命令词。

识别率与误唤醒率：

• 识别率：在特定测试条件下（如50dB背景噪音，距离5米下测试），芯片能够达到的语音识别准确率。例如，蜂鸟M(US516P6)的识别率为95%。
• 误唤醒率：在特定时间段内（如48小时），芯片被误唤醒的次数。例如，蜂鸟M(US516P6)的误唤醒率为48小时/1次以内。

识别距离：

芯片在正常情况下能够识别的最大距离。例如，蜂鸟M(US516P6)的识别距离为8米。

噪声环境适应性：

芯片能够适应的噪声环境范围。例如，蜂鸟M(US516P6)胜任低中噪声环境（60dB背景噪音）。

特色功能：

芯片是否支持特定的功能，如消费者自学习功能（允许用户自定义唤醒词和命令词）、稳态降噪（处理固定频率的噪声）、AEC功能（回声消除）等。

封装与尺寸：

芯片的封装类型和尺寸，这对于硬件设计和集成非常重要。例如，SU-21T芯片的封装为SMD18，尺寸为10*10mm（±0.2）mm。

功耗：

芯片的待机功耗和工作功耗。低功耗对于嵌入式和移动设备来说至关重要。例如，SU-21T是一款低功耗的离线语音识别模组，待机功耗进入亚毫瓦级，工作功耗几毫瓦级别。

接口与兼容性：

芯片支持的接口类型和与其他设备的兼容性。例如，SU-21T支持UART/I2C/PWM/GPIO接口。

市场与应用：

芯片主要面向的市场和应用领域。这有助于确定芯片是否满足项目的具体需求。例如，蜂鸟M(US516P6)适用于家电、照明、蓝牙音箱等领域。

05

离线语音识别芯片的使用注意事项

使用前的准备

了解芯片特性：

在使用离线语音识别芯片之前，应仔细阅读芯片的技术文档，了解芯片的识别率、误唤醒率、识别距离等关键参数。确保芯片支持所需的语种和命令词数量。

环境评估：

评估使用场景的环境噪声水平，确保芯片能在该环境下正常工作。尽量避免在嘈杂的环境中使用，以提高识别准确率。

安装与集成

接口匹配：

确保离线语音识别芯片的接口与您的设备或系统匹配，如UART、I2C、PWM、GPIO等。根据芯片的技术文档正确连接和配置接口。

电源管理：

离线语音识别芯片通常具有低功耗特性，但仍需注意电源管理，确保芯片在待机和工作状态下都能获得稳定的电源供应。

使用与维护

发音清晰：

在使用离线语音识别功能时，发音应清晰、准确，避免语速过快或发音含糊不清。对于口音较重或发音不标准的用户，可以通过扩充词汇库、学习和录入特定词汇来提高识别率。

避免误唤醒：

在设置唤醒词时，应选择与其他常用词汇区分度较高的词汇，以减少误唤醒的可能性。根据芯片的误唤醒率调整唤醒词的阈值，以降低误唤醒率。

隐私保护：

离线语音识别芯片在处理语音数据时，应确保数据仅在本地处理，不上传到外部服务器。选择有信誉的芯片供应商，确保其符合隐私保护和数据安全的法规要求。

更新与升级：

关注芯片供应商的更新和升级信息，及时获取最新的固件和软件版本。定期更新和升级芯片的软件和算法，以提高识别准确率和适应新的应用场景。

06

离线语音识别芯片的故障排查与解决

识别失败：

当出现识别失败时，首先检查语音输入是否清晰、准确，以及环境噪声是否过大。尝试调整识别阈值或重新录入命令词，以改善识别效果。

性能下降：

如果发现离线语音识别芯片的性能下降，可能是由于长时间使用或环境因素导致的。此时可以尝试重置芯片或将其放置在更适宜的环境中，以恢复性能。

07

离线语音识别芯片的厂商

启英泰伦（CI1006系列及CI135X系列）

• 成立时间：2015年11月
• 总部位置：成都市高新区
• 产品系列：形成了4个系列、20款芯片型号，涵盖了端侧AI语音芯片、AI语音Wi-Fi Combo芯片、AI语音BLE芯片
• 技术优势：拥有自主研发的脑神经网络处理器核（BNPU V3.5），支持多种神经网络和矢量并行运算
• 应用领域：广泛应用于智慧家居、智慧酒店、智慧安防、智慧教育、智慧汽车和机器人等领域
• 预计出货量：2024年将出货5000万颗语音芯片

广州九芯电子科技有限公司（NRK100/NRK101/NRK10系列）

• 产品特点：自主研发的高性能、低成本的离线语音识别芯片，具有语音识别及播报功能
• 应用领域：智能家居、AI人工智能、玩具等多种领域

北京承芯卓越科技有限公司

• 公司定位：立足于中关村清华科技园区，提供具有自主知识产权的智能语音处理类专用芯片和方案
• 主要业务：自主研发嵌入式语音识别芯片、应用软件技术、和智能语音应用方案

探境、清微、知存

• 地域特点：均为北京系的公司
• 技术优势：在NPU（网络神经处理器）上有各自的技术特点和优势，语音识别的处理能力最优，能耗比很高

杭州国芯

• 成立时间：2001年
• 业务领域：卫星数字电视方案和AI语音识别方案
• 语音识别产品：芯片较多，其中GX8002A主打“高集成度和小体积”特点，主攻TWS耳机和可穿戴应用

供应商A:唯创知音

1、产品能力

（1）选型手册

[2024年芯片 唯创知音 选型手册.pdf]

（2）主推型号1：WTK6900FC

对应的产品详情介绍

WTK6900FA-56N是一颗语音处理的人工智能语音芯片。该芯片基于深度神经网络(DNN-HMM)语音识别技术,实现了高识别率、高实时性、本地和云端结合、高度一体化的语音识别及处理功能；可以实现语义识别等特定智能语音交互效果。同时该芯片具备常规MCU的控制及计算处理能力，可以实现各类需要通信及控制的应用。

该芯片从语音输入开始，语音检测，语音特征提取及DNN运算完全采用硬件架构设计，软件主要进行语音解码和语音播报。该芯片具有较高的运算性能及低成本、低功耗、小尺寸等优势。在应用方面，该芯片可以支持本地语音检测、唤醒，以及一百多条离线命令词条的识别。芯片可通过UART将命令推送到设备原有的上位机，实现简单的语音交互接口。

产品特征：

（1）内置ASR硬件加速引擎；语音活动检测引擎（VAD）；
（2）支持本地语音识别解码；支持低功耗语音唤醒；
（3）内置独立看门狗和窗口看门狗；支持超时产生中断或复位；
（4）支持外接晶体和有源晶振；
（5）外设接口：内置2路UART接口，其中一路支持硬件流量控制；
（6）内置1路SPI接口；

• 硬件参考设计

2、支撑

（1）技术产品

• 技术资料

638310815442471143743340201.pdf

（如有侵权，联系删除）

本文章源自奇迹物联开源的物联网应用知识库Cellular IoT Wiki，更多技术干货欢迎关注收藏Wiki：Cellular IoT Wiki 知识库(https://rckrv97mzx.feishu.cn/wiki/wikcnBvAC9WOkEYG5CLqGwm6PHf)