電子發(fā)燒友網(wǎng)>電子資料下載>電子資料>為 IoT 設(shè)計(jì)添加高性能語音關(guān)鍵字識(shí)別：第 2 部分 – 使用 MCU

為 IoT 設(shè)計(jì)添加高性能語音關(guān)鍵字識(shí)別：第 2 部分 – 使用 MCU

2076027 2022-11-25 | pdf | 251.56KB | 次下載 | 2積分

資料介紹

編者注：使用一類新興的高效算法，任何開發(fā)人員現(xiàn)在都可以在低功耗、資源受限的系統(tǒng)上部署復(fù)雜的關(guān)鍵字識(shí)別功能。這個(gè)由兩部分組成的系列的第一部分展示了如何使用 FPGA 來做到這一點(diǎn)編者注：使用一類新興的高效算法，任何開發(fā)人員現(xiàn)在都可以在低功耗、資源受限的系統(tǒng)上部署復(fù)雜的關(guān)鍵字識(shí)別功能。這個(gè)由兩部分組成的系列的第一部分展示了如何使用 FPGA 來做到這一點(diǎn)。。在第二部分中，我們將展示如何使用 MCU 來做到這一點(diǎn)。在第二部分中，我們將展示如何使用 MCU 來做到這一點(diǎn)。關(guān)鍵字識(shí)別 (KWS) 技術(shù)已成為可穿戴設(shè)備、物聯(lián)網(wǎng)設(shè)備和其他智能產(chǎn)品的一項(xiàng)越來越重要的功能。機(jī)器學(xué)習(xí)方法可以提供卓越的 KWS 準(zhǔn)確性，但這些產(chǎn)品的功能和性能限制直到最近才將機(jī)器學(xué)習(xí) KWS 解決方案的使用限制在最大的企業(yè)或經(jīng)驗(yàn)豐富的機(jī)器學(xué)習(xí)專家。關(guān)鍵字識(shí)別 (KWS) 技術(shù)已成為可穿戴設(shè)備、物聯(lián)網(wǎng)設(shè)備和其他智能產(chǎn)品的一項(xiàng)越來越重要的功能。機(jī)器學(xué)習(xí)方法可以提供卓越的 KWS 準(zhǔn)確性，但這些產(chǎn)品的功能和性能限制直到最近才將機(jī)器學(xué)習(xí) KWS 解決方案的使用限制在最大的企業(yè)或經(jīng)驗(yàn)豐富的機(jī)器學(xué)習(xí)專家。然而，開發(fā)人員越來越需要在可穿戴設(shè)備和其他 IoT 設(shè)備中的更高效 KWS 引擎上實(shí)現(xiàn)語音激活 KWS 功能，這些引擎能夠在這些設(shè)備的資源限制內(nèi)運(yùn)行。深度可分離卷積神經(jīng)網(wǎng)絡(luò) (DS-CNN) 架構(gòu)修改了傳統(tǒng)的 CNN 以提供所需的效率。然而，開發(fā)人員越來越需要在可穿戴設(shè)備和其他 IoT 設(shè)備中的更高效 KWS 引擎上實(shí)現(xiàn)語音激活 KWS 功能，這些引擎能夠在這些設(shè)備的資源限制內(nèi)運(yùn)行。深度可分離卷積神經(jīng)網(wǎng)絡(luò) (DS-CNN) 架構(gòu)修改了傳統(tǒng)的 CNN 以提供所需的效率。使用硬件優(yōu)化的神經(jīng)網(wǎng)絡(luò)庫，開發(fā)人員可以實(shí)現(xiàn)需要最少資源的基于 MCU 的 DS-CNN 推理引擎。本文介紹 DS-CNN 架構(gòu)并展示開發(fā)人員如何在 MCU 上實(shí)現(xiàn) DS-CNN KWS。使用硬件優(yōu)化的神經(jīng)網(wǎng)絡(luò)庫，開發(fā)人員可以實(shí)現(xiàn)需要最少資源的基于 MCU 的 DS-CNN 推理引擎。本文介紹 DS-CNN 架構(gòu)并展示開發(fā)人員如何在 MCU 上實(shí)現(xiàn) DS-CNN KWS。為什么選擇 KWS？為什么選擇 KWS？消費(fèi)者對(duì)智能手機(jī)和家用電器上使用“Alexa”、“Hey Siri”或“Ok Google”等短語的語音激活功能的接受度迅速演變?yōu)閷?duì)幾乎所有為用戶交互設(shè)計(jì)的產(chǎn)品的語音服務(wù)的廣泛需求。作為這些服務(wù)的基礎(chǔ)，準(zhǔn)確的語音識(shí)別依賴于各種人工智能方法來識(shí)別口頭單詞，并將單詞和詞組解釋為適合應(yīng)用程序的命令。消費(fèi)者對(duì)智能手機(jī)和家用電器上使用“Alexa”、“Hey Siri”或“Ok Google”等短語的語音激活功能的接受度迅速演變?yōu)閷?duì)幾乎所有為用戶交互設(shè)計(jì)的產(chǎn)品的語音服務(wù)的廣泛需求。作為這些服務(wù)的基礎(chǔ)，準(zhǔn)確的語音識(shí)別依賴于各種人工智能方法來識(shí)別口頭單詞，并將單詞和詞組解釋為適合應(yīng)用程序的命令。然而，快速準(zhǔn)確地完成整個(gè)語音命令序列所需的資源開始超出低成本線路供電的消費(fèi)者集線器的能力，更不用說電池供電的個(gè)人電子產(chǎn)品了。然而，快速準(zhǔn)確地完成整個(gè)語音命令序列所需的資源開始超出低成本線路供電的消費(fèi)者集線器的能力，更不用說電池供電的個(gè)人電子產(chǎn)品了。語音命令管道要求語音命令管道要求為了在這些產(chǎn)品上提供語音激活，開發(fā)人員拆分了語音命令管道或?qū)⒄Z音命令限制為幾個(gè)非常簡單的詞，例如“開”和“關(guān)”。在資源有限的消費(fèi)產(chǎn)品上，開發(fā)人員使用神經(jīng)網(wǎng)絡(luò)推理引擎實(shí)現(xiàn) KWS 功能，這些引擎能夠?yàn)?Alexa、Siri 或 Google 的簡單命令或命令激活短語提供所需的高精度、低延遲響應(yīng)（圖 1）。為了在這些產(chǎn)品上提供語音激活，開發(fā)人員拆分了語音命令管道或?qū)⒄Z音命令限制為幾個(gè)非常簡單的詞，例如“開”和“關(guān)”。在資源有限的消費(fèi)產(chǎn)品上，開發(fā)人員使用神經(jīng)網(wǎng)絡(luò)推理引擎實(shí)現(xiàn) KWS 功能，這些引擎能夠?yàn)?Alexa、Siri 或 Google 的簡單命令或命令激活短語提供所需的高精度、低延遲響應(yīng)（圖 1）。在這里，設(shè)計(jì)將輸入音頻流數(shù)字化，提取語音特征，并將這些特征傳遞給神經(jīng)網(wǎng)絡(luò)以識(shí)別關(guān)鍵字。在這里，設(shè)計(jì)將輸入音頻流數(shù)字化，提取語音特征，并將這些特征傳遞給神經(jīng)網(wǎng)絡(luò)以識(shí)別關(guān)鍵字。