语音接口现已成为一个改动人机交互方法的全新切入点。这些体系怎么作业?打造这样一款设备在硬件方面有什么要求?跟着语音操控接口变得越来越遍及，德州仪器(TI)的一位工程师对此技能进行了深化的了解，并共享了其对这项技能的知道和观点。
语音接口是什么?
语音辨认技能自20世纪50年代起开端出现在咱们身边。那时贝尔实验室的工程师创建了一款能够辨认单个数字的体系。可是，语音辨认仅仅完好语音接口技能的一部分。语音接口包括传统用户接口的一切方面：它能出现信息并为用户供给一种操控方法。在语音接口中，操控、乃至一些信息的出现都将经过语音完结。在一些如按钮或显示屏等传统的用户接口上，也或许装备语音接口这一选项。
大部分人遇到的第一款语音接口设备很有或许是移动电话，或者是个人电脑上十分根底的将言语转换成文字的程序。可是，这些设备的运转都十分缓慢、辨认不精确且可辨认的词汇有限。
那是什么将语音辨认从一种隶属性功用变成了核算机国际炙手可热的技能呢?首要，现在的核算才能和算法功用都有明显的进步(假如你对隐马尔科夫模型有所了解，对此你会有更直观的知道)。其次，云技能和大数据分析的运用也改进了语音辨认效果，而且进步了辨认的速度和准确性。
为你的设备增加语音辨认功用
一些人常常会对怎么为项目增加某种语音接口存在疑问。实际上，TI供给几种不同的语音接口产品，包括ARM?处理器的Sitara?系列产品和C5000? DSP系列产品，这些产品都具有语音处理的才能。两种系列的产品各有千秋，别离适用于不同的运用。
在挑选DSP和ARM这两种解决方案时，考虑的关键因素在于这款设备能否或将怎么运用云语音渠道。傍边有三种运用场景：第一种是离线，一切的处理进程都在本地设备上发生。第二种是在线，经过根据云端的语音处理设备，如亚马逊的Alexa，谷歌帮手或IBM Watson;第三种是两者混合。
离线：车载语音操控
从现在的开展趋势来看，人们好像期望一切事物都能够联接至互联网。可是，不管是出于本钱考虑或是缺少牢靠的网络联接，在某些运用中，联接网络的含义其实不大。在现代的轿车运用中，许多文娱信息体系就选用了离线语音接口体系。这些语音接口体系一般只能运用有限的命令集，如“拨打电话”、“播映音乐”和“进步或下降音量”。虽然传统处理器的语音辨认算法取得了重大进展，但仍有不尽善尽美之处。遇到这样的状况，例如C55xx等DSP或许够为体系供给最佳的功用。
在线：智能家庭中枢
关于语音接口的许多热议首要环绕于例如Google Home和亚马逊 Alexa等互联设备。由于亚马逊答应第三方进入其已装备Alex语音服务的语音处理生态体系，他们在这方面的开展备受瞩目。别的，如Microsoft Azur等其它的云服务也能够供给语音辨认服务和相似功用。值得留意的是，这些设备的声响处理进程悉数发生在云端。
是否值得为了这种快捷的集成而向语音服务供给商供给上行数据彻底取决于用户。可是，云服务供给商承当了首要的作业，设备商需求做的很简略，实际上，由于接口的语音组成部分也发生在云端，Alexa只需完结最简略的功用，即播映并记载录音文件。已然不需求特别的信号处理功用，ARM处理器足以处理接口作业。这意味着，假如你的设备已装备ARM处理器，你就或许集成云核算语音接口。
事实上，重视Alexa等不能供给的服务也是十分重要的。Alexa不直接履行任何一种设备操控或云集成。驱动Alexa的许多“智能设备”都具有云核算功用，该功用由开发商供给，能够运用Alexa的语音处理才能将驱动输入至现有的云运用。例如，假如你告知Alexa需求订一个披萨，你最喜欢的披萨店则需求为Alexa编制一项“技能”。该项技能是一个能够在你订披萨时界说作业内容的代码。当你每次订披萨时，Alexa都会调用该技能。该技能嵌入了能够为你下单的在线订货体系。相同，智能家居设备制造商有必要履行Alexa怎么与本地设备和在线服务相互效果的技能。亚马逊自带许多这样的技能，加上第三方开发者供给的技能，即便你没有开发任何技能，Alexa设备依然能够十分有用。
混合：互联主动调温器
有时，即便没有联接互联网，咱们也有确保设备的某些根底功用能够正常运用的需求。例如：在连不上网的时分，假如主动调温器不会自主调理温度，这就会是一个很费事的问题。为防止这种问题的发生 ，一个好的产品规划师会规划一些本地的声响处理功用，在功用上完结无缝联接。为了完结此功用，体系有必要具有DSP，例如用于本地语音处理的C55XX和用于将已连网的接口联接至云端的ARM处理器。
语音触发又是什么?
你或许现已留意到了，直到现在咱们还没有提及新一代语音帮手真实奇特的当地：那便是一直重视“触发词汇”。它们将怎么追寻你在房间内恣意方位所宣布的声响，或是当设备播映音频时，又怎么听到你的声响?完结这些其实并没有什么特别奇特的当地，只需求一些智能化软件。这类软件独立于云端的语音接口，也能在体系离线的状态下运转。
这个体系最易了解的部分便是“唤醒词汇”。唤醒词汇是一个简略的本地语音辨认程序，经过持续性采样，在接纳的音频信号中寻觅单个词汇。由于大多数语音服务均愿意承受不含唤醒词汇的音频，因而该词汇不需求指定任何特别的语音渠道。由于完结这种功用的要求相对较低，所以经过运用Sphinx或KITT.AI等开源数据库在ARM处理器上即可完结操作。
为了听到你在房间内恣意方位宣布的声响，语音辨认设备选用一个叫波束成型的流程。最重要的是，经过比照不同声响的抵达时刻和麦克风间的间隔来确认声响的来历。一旦确认了方针声响的方位，设备就会选用如空间滤波等音频处理技能来进一步削减噪音并增强信号质量。波束成型的完结取决于麦克风的布局。真实完结360度辨认则需求一个非线性麦克风阵列(一般是圆形)。关于壁挂式设备而言，仅需两个麦克风就能启用180度的空间区分。
语音帮手的终究一招是选用主动回波消除(AEC)。AEC在某种程度上相似于噪音消除耳机，但运用恰好相反。该算法是运用已知的音乐等输出音频信号来完结的。在噪音消除耳机运用这点来消除外部杂音，AEC消除了输出信号对输入信号在麦克风上的影响。该设备能疏忽本身发生的音频，且不管扬声器播映何种内容，其都依然能接纳。完结AEC需求很多的核算，其间在DSP中效果最佳。
为了施行唤醒辨认、波束成型和AEC等以上提及的一切功用，则要求ARM处理器合作DSP一起作业：DSP增强了一切的信号处理功用，而ARM处理器操控设备逻辑和接口。DSP可在履行输入数据管路方面发挥重要的效果，由此最大极限地削减处理的推迟，然后供给更好的用户体会。ARM能够自在运转如Linux等高档操作体系以操控其它设备。这样高档的功用悉数发生在本地，若运用云服务，将只接纳包括终究处理结果的单个语音文件。
定论
语音接口好像已收成了超高的人气，而且将在未来很长一段时刻内以不同方式出现在咱们的日子中。虽然有多种不同的处理方法能够完结语音接口服务，但不管你的运用需求何种设备，TI都能够为你供给抱负的挑选。
l运用针对语音运用、选用66AK2G02的语音预处理体系参阅规划来完结音频规划。
l下载全新白皮书“语音接口技能-语音处理技能新纪元”
