基于九齐单片机的智能音箱解决方案发表时间:2022-04-22 10:29 目前的家庭智能音箱可以实现语音定闹钟、人工语音互动、语音播放音乐、查天气、查百科、查路况等功能,链接网络后可实现了解未来天气、上网购物、打电话等更多功能,另外还可以连接第三方软件,也可实现对家用智能电器的控制,可以说功能十分的强大。
智能音箱的工作流程为语音唤醒,之后内部处理,最后找到对应内容输出,其中主要包括前端信号处理、语音唤醒、语音交互等技术。 1、前端信号处理 前端信号处理是在唤醒前进行准备工作,音箱工作时,麦列处于拾音状态,当接收到声音时,对声音进行处理,包括语音检测、降噪、声源定位和波束形成四个方面。 语音检测用来检测出音频信号语音段的起始位置,并过滤不相干的非语音信号,达到分离语音段和非语音段信号的目的。降噪即减少噪音对智能音箱识别的影响,包含声学回声消除和去混响。实际环境中存在各种各样的噪声,采取降噪来降低噪声干扰,提高信噪比。由于室内语音会被墙壁等多次反射,采集到的声音较混杂,采用去混响来处理。声源定位是根据麦列,确定使用者的位置。可以用来展示方位灯,增强交互效果,也可作为波束形成的前导任务,确定空间滤波参数。波束形成通过利用空间滤波,将多路信号整合为一路,达到增强原始语音信号和抑制旁路信号的目的。 2、语音唤醒 语音唤醒又称关键词检测,即在连续不断的语音中将目标关键词检测出来,一般目标关键词的个数较少。语音唤醒性能取决于唤醒率和误唤醒率。唤醒率指将连续语流中存在的唤醒词检测出来的概率。语音唤醒常用的实现方式是dnn+hmm(深度神经网络+隐马尔科夫模型)和lstm+ctc(长短时记忆网络+全连接时序分类模型)。目前开源的唤醒方案可提供SDK,实现唤醒功能一般分为在线和离线版本。国内主要以科大讯飞为代表。网上也有多种开源的小型语音识别引擎,可实现单独的语音唤醒功能,性能参差不齐。 3、语音交互 语音交互包括语音识别、自然语言理解、对话管理、自然语言生成和语音合成。 语音识别技术也称为自动语音识别,可将语音信息转为文字信息。用户发出的指令为语音,然而语音并不能直接拿来分析,需要转化为文字。随着深度神经网络的应用、大数据的使用和云计算的普及,语音技术已经进入人们的日常生活,如科大讯飞、阿里巴巴的AliGenie、喜马拉雅的小雅等。 自然语言理解的目的是将自然语言转化为计算机易处理的形式,即接收到指令后,识别出用户命令的所属领域,之后再相应领域识别用户的意图,最后进行实体抽取,确定意图的参数。目前,自然语言处理使用的NPL算法是基于机器学习的,拥有各类语言处理的数据集,其中包括中文分词、词性标注、实体识别、句法分析以及自动文本分类等功能。 对话管理对连续对话的交互极为重要,一般的解决办法是将上轮对话解析的参数作为全局变量,带入到下一轮对话,根据当轮对话和一定条件来判断是否保持在上一轮的领域,或是清空上下文。 自然语言生成是使计算机具有人一样的表达和写作的功能,即能根据一些关键信息及其在机器内部的表达形式,经过一个规划过程,自动生成一段高质量的自然语言文本。语音合成又叫文语转换,能使智能音箱像人一样朗读任意给定的文本。主要合成方法有参数合成和拼接合成,其中参数合成计算量小,部署灵活,但自然度较差。拼接合成接近真人发音,存储和计算资源高,一般只能在线合成。
2、LED显示:外置显示屏,电量显示,音乐显示; 3、时钟显示:自动适配时区,24小时时钟显示; 4、语音交互:用语音替代了之前的触摸按钮等交互功能,方便您的生活。 |