轻量化端到端语音指令识别模型研究

针对智能家居中小词表语音指令识别应用场景的模型小尺寸和低延时的需求,设计了两种轻量化的基于神经网络和连接时序分类算法(CTC)的中文端到端语音指令识别模型。通过精简网络层数和结构实现模型轻量化,引入CTC算法实现以汉字字符作为建模基元的端到端训练和解码,解决数据预对齐问题。最终在公开数据集Aishell-I和自制语料数据集上进行比较,最终得出CNN-CTC模型以350 kB的模型大小、5 ms的运行速度、5.02%的字错率、92.0%的意图命中率综合评价后,更适用于小词表语音指令识别应用场景。

语音信息的身份和指令识别方法应用

针对智能机器人系统对语音交互功能的实际需求,在DM-B200开放式机器人平台上,设计并实现了基于语音信息的说话人身份识别功能和语音指令识别功能.为了准确识别特定说话人的身份,采用了矢量量化的识别方法,而为了提高机器人语音控制的实时性,语音指令识别采用了动态时间规整的方法.应用结果表明,所设计的语音识别系统达到96%以上的综合识别率,具有实际应用价值.

基于STM32的智能体重秤设计

为了方便人们的生活,文章设计了一款能够进行语音指令识别的智能体重秤。体重秤利用HX711称重传感器模块测量体重,利用超声波模块测量身高,利用LD3320语音识别模块实现语音指令的识别。测量身高时,步进电机的转轴与激光笔和超声波模块连接,利用光敏电阻传感器接收激光信号,通过STM32F103的按键或者语音指令控制步进电机转动进而控制超声波模块指向零位,然后通过STM32F103自动控制超声波模块旋转,实现在零位左右4°范围内自动测量身高。