语音识别芯片资料

《语音识别芯片资料》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、http://hi.baidu.com/amwdnvfku/blog/item/4ada7807b6fb697d0308812c.html语音识别芯片资料产品介绍应用于消费类电子产品上的交互式语音集成芯片（RSC-100/164T，RSC-300/364，RSC4XX）是一种高性能、低成本的8位MCU，所有这类芯片内部集成有ADC、DAC、ROM（除了RSC-100/300）、RAM和麦克风的预放大电路，并拥有以下多种功能：与说话者无关/有关的语音识别、语音确认（PASSWORD）、语音和音乐合成，录音和回放、快速数字拨号（只有

2、RSC-300/364）、持续监听。产品线有两种通用目的的微处理器（RSC系列）1.RSC-100/164T—低成本的版本（只支持4.0版本技术）2.RSC-300/364（支持最新版本的6.0版本技术），它有更快的响应时间、先进和附加的技术（包括数字拨号，固定单词触发，同时产生数字记录和识别模板）3.RSC-164/364产品的特性a)有64k内置ROM的8位微处理器；b)集成有A/D和D/A转换器；c)DAC或PWM（PulseWidthModulation）；d)可实现DTMF拨号；e)音源的AGC功能；f)16个通用I/

3、O端口；g)片上有输出放大器；h)省电模式-最小的功耗（小于5UA）。RSC-300/364产品特性RSC-300/364是专门为消费类电子产品应用而设计的，拥有高度集成和高识别率的系统化芯片。RSC-300/364有额外的SDAM和硬件加速器去支持SENSORY的最新技术（5.0以上）。这种特别设计的8位微处理器在拥有灵活的编程时支持一系列语音技术：与说话者无关/有关的识别、语音和音乐的合成、语音确认、语音提示、持续监听、快速数字拨号、录音和回放。RSC-300/364允许在片上存储最多6个与说话者有关的短句。RSC-300与

4、RSC-364的区别就是少一个64K的ROM，根据封装和版本的不同，RSC-300/364的价格在2.2～3.9美元之间。RSC-4x产品特性RSC-4x是SensoryINC.第4代的语音识别产品，它具有所有RSC-300/364的所有特性之外，还增加了不少功能。RSC－4x支持SensorySpeech™7技术，改进的算法使识别准确率得到提高。新增的T2SI技术使得制作SI模版节省了时间和资金投入。在语音合成算法上也作了改进，“SX™”压缩技术使得语音的压缩率可以达到3K－8Kbps（bits-per-second），是原来

5、的1/10-1/4，大大减少了存储空间，节约了成本。RSC-4x有三种型号，RSC-4000不含程序存储空间，RSC-4128内部含128K程序存储空间，RSC-4256内部含256K程序存储空间，供用户灵活选用。VOICEDAILER特性（ASSP）VOICEDAILER364是为了增加语音拨号而设计的，它可应用在非手持的车载电话、手持电话、PDA、答录机和其它个人电子设备。使用者只需说出名字便可拨出相关的电话；VOICEDAILER-364芯片可管理一整套电话目录，包括名字、电话号码和语音识别模板。SENSORY技术与说话者

6、有关的语音识别(SpeakerDependent,SD)在识别时，每个识别词语需要使用者训练两次来创建语音模板，一个模板需要占用128个字节的存储量。由于练习的原因，一般把需识别的词汇量限制在60个以内，但超过100个也是完全可以的。通过正常设计，SENSORY的SD技术能达到99%的准确率。与说话者无关的语音识别(SpeakerIndependent,SI)——不需要训练SI技术是为一种指定的语系而设计的（如英语、汉语、德语），它最多能识别14条命令（识别数量由ROM的容量决定）。通过正常设计，SENSORY的SI技术能达到9

7、7%的准确率语音确认(SpeakerVerification,SV)同SD技术有点相似，SV能辨别出现在的一句话与原来说的是否相同。使用者可以训练1～4级密码（密码级数越多越安全）来开启设备。误识率大概在1~6%。根据环境、使用者数量、要求的安全程度的不同可设定五级训练难度。语音自适应技术(SpeakerAdaptive,SA)对于单用户来说，SA通过一段时间对环境和说话者声音的适应，改进相关的语音模板，从而提高识别准确率。持续监听(ContinuousListening,CL)持续监听技术不需按键便可对某个特别、非连续的命令（

8、在这之前需要静音）产生响应，SENSORY提供SI和SD两种持续监听技术。WORDSPOTTING——在一句话中响应某个指定词语。WORDSPOTTING是持续监听的升级版本，它可以从正常的谈话中“捕捉”并响应某个关键词语，这种技术提供了更为自然、友好的人机界面