语音识别技术开发项目技术开发方案.PDFVIP

“语音识别技术开发”项目 技术开发方案 1.开发项目目标、内容（概述）、形式、设计原则和要求 1.1 项目目标与内容 本项目的开发目标是一个嵌入式平台语音识别系统核心技术研发。具体内容 包括研发一套语音识别方案，并以此为基础，开发一个语音识别系统，实现本地 语音识别（通用版本），并适配到甲方的芯片和其它移动平台上（适配版本）。原 型系统以CI1006 芯片作为参考平台。 1.2 功能要求 本方案需要实现以下功能： 1. 支持声学模型训练参数可配置 2. 支持快速订制待识别的命令词列表 3. 在不影响整体性能的条件下，命令词至少支持100 个 4. 引擎的返回结果带有置信度 5. 引擎获取到结果后能自动结束，无需依赖VAD 尾端点 6. 通用版本支持语音唤醒功能，支持快速订制唤醒词，唤醒词个数支 持1~5 个，支持one-shot 功能 （即唤醒和识别连续进行） 1.3 技术指标要求 1. 安静环境：窗户关闭，没有人声、电视、空调，厨房等各种噪音 2. 噪音环境：有人声、电视、空调、厨房等噪音以及从窗外传入的各 种噪音。 2. 采用的技术方法、路线 本项目的技术路线主要采用C、C++进行编程实现。 对于语音识别模块，我们采用当前最先进深度神经网络技术和大规模语音数 据构造高准确率语音识别系统，采用各种鲁棒训练方法实现对误闯入的检测。 对于解码图构造模块，基于FST 相关算法与技术实现解码图的构造与压缩， 实现实时快速解码，特别是采用各种加速策略提高解码速度。 对于嵌入式解码器移植与实现模块，通过对原有 FST 库与矩阵计算库的裁 剪与重写，实现解码器程序的压缩与去依赖化，从而使之适用于嵌入式平台。 3. 总体架构 本项目所开发的语音识别系统由如下三个模块组成： ? 语言模型； ? 声学模型； ? 解码器； 图1 是嵌入式语音识别系统的流程示意图，其中框图部分为嵌入式系统的主 要功能。 语言模型 语音信号 识别结果 特征提取 声学模型 解码器 字典 图1 嵌入式语音识别系统处理流程示意图 4. 功能模块 4.1 特征提取模块 特征提取模块是通过对语音信号进行一定的变换处理，去除信号中与人无关 的冗余信息，保留语音识别相关语义部分的处理过程。目前常用的特征参数包括 美尔倒谱系数（Mel-Frequency Cepstral Coefficents，MFCC ）、线性预测倒谱系数 （Linear Prediction Cepstral Coefficients，LPCC ）、感知加权线性预测（Perceptual Linear Predictive ，PLP ）以及FilterBank （Fbank ）特征等，本项目中采取Fbank 特征作为深度神经网络模型的输入，其提取流程如图2 所示。 语音信号 快速傅里叶变换 Fbank特征 美尔倒谱滤波 取对数 （FFT） 图2 Fbank 特征提取流程图 4.2 声学模型 声学模型以声学特征数据作为模型输入，通过一定的模型计算，输出各语 音发音基元后验概率的数学模型。对语音基元分类或拟合的过程即为模型训 练。本方案采用深度神经网络（DNN ）模型结构，深度神经网络是近年发展起 来一项语音识别技术，它是具有多个隐藏层的多层感知机的深