“Hey NXP”、”哈啰恩智浦”……一聲又一聲的問候在寧靜的辦公室里格外惹人注目，原來是恩智浦公司又一嘔心瀝血的得意新作——智能語音技術(shù)（VIT）。

智能語音技術(shù)（Voice Intelligent Technology – VIT）基于最先進的深度學(xué)習和語音識別技術(shù)，是一款完整的喚醒詞/語音命令解決方案。

VIT在MCUXpresso SDK中支持的恩智浦設(shè)備上免費提供，目前已經(jīng)可以支持英語，而中文、土耳其語、西班牙語等其他語言也正如火如荼地開發(fā)測試當中。

VIT功能包括

喚醒詞引擎(Wake Word Engine - WWE)：它使用了訓(xùn)練所需要并且已記錄的觸發(fā)詞文件。

在訓(xùn)練階段使用數(shù)據(jù)增強技術(shù)來整合數(shù)據(jù)集中的可變性。

利用神經(jīng)網(wǎng)絡(luò)分類器來確定提取的音素序列是否與目標關(guān)鍵字對應(yīng)。

不需要音頻數(shù)據(jù)集的語音命令引擎(Voice Commands Engine - VCE)。

目標語音命令在脫機過程中被轉(zhuǎn)換為單詞符號序列，VCE在運行時確定提取的音素序列是否對應(yīng)于特定的單詞符號序列以及命令。

一個模型可以支持從大量詞匯當中所挑選的30個語音命令。

簡而言之VIT可以

通過Text2Model工具創(chuàng)建的自定義命令

自定義觸發(fā)字選項

低延遲檢測(<200ms)

VIT現(xiàn)已經(jīng)支持的平臺有

i.MX RT600系列：Cortex-M33內(nèi)核，HiFi4 DSP協(xié)處理器，評估板為MIMXRT685-EVK

i.MX RT1060系列：Cortex-M7內(nèi)核，評估板為MIMXRT1060-EVK

VIT可以利用語音服務(wù)來喚醒并控制物聯(lián)網(wǎng)裝置或家用設(shè)備。目前的VIT版本可以支持喚醒詞以及利用Text2Model工具所產(chǎn)生的語音命令，如下圖所示↓↓↓

喚醒詞模型是從關(guān)鍵詞檔案數(shù)據(jù)庫所創(chuàng)建，而語音命令模型則是由Text2Model工具所產(chǎn)生。目前SDK中所內(nèi)建的VIT函式庫可以偵測 “Hey NXP” 關(guān)鍵詞以及12個在VIT_Voice_Commands.h當中所預(yù)設(shè)的語音命令。

這次VIT的發(fā)布包含了以下的部分：

Lib/libVIT_PLATFORM_VERSION.a :平臺可以選HIFI4或Cortex-M7

Lib/VIT.h :描述VIT公用的API庫

Lib/VIT_Model.h :VIT模型檔案包含了喚醒詞和語音命令的描述

VIT_Voice_Commands.h :列舉VIT函式庫所支持的語音命令

Lib/Inc :涵蓋VIT公用接口定義的文件夾

ExApp/VIT_ExApp.c :VIT范例

VIT提供豐富API以供使用者操作：

VIT_SetModel：儲存VIT模塊的地址，并確認此模塊是否能被VIT函式庫所支持

VIT_GetMemoryTable：通知軟件應(yīng)用程序VIT函式所需要的內(nèi)存。共定義四種不同的內(nèi)存區(qū)塊，F(xiàn)ast data / Slow data / fast coefficient /Temporary or scratch

VIT_GetInstanceHandle：設(shè)置并初始化VIT，所有的內(nèi)存都被映像到子模塊所需的緩沖區(qū)

VIT_SetControlParameters：設(shè)置或修改VIT的控制參數(shù)

VIT_Process：分析音頻以辨識是喚醒詞或語音命令

VIT_GetVoiceCommandFound：VIT讀取命令編號與名稱

VIT_GetModelInfo：輔助API，用來取得VIT模塊的訊息

VIT_ResetInstance：輔助API，用來重置VIT模塊

VIT_GetControlParameters：輔助API，用來取得VIT的控制參數(shù)

VIT_GetStatusParameters：輔助API，用來取得VIT的狀態(tài)參數(shù)

以下為簡單的API調(diào)用流程↓↓↓

原文標題：免費提供！VIT智能語音技術(shù)：恩智浦深度學(xué)習應(yīng)用又一得意之作！

文章出處：【微信公眾號：NXP客棧】歡迎添加關(guān)注！文章轉(zhuǎn)載請注明出處。