首頁(yè) >
用戶(hù)不斷地要求所用裝置更小、更輕便同時(shí)又更易于使用。能解決這三方面問(wèn)題的一種可行技術(shù)就是語(yǔ)音識別。這種技術(shù)由于清除了傳統的輸入器件（如鍵盤(pán)或筆接口），故具備更小和更輕便的特點(diǎn)。
解決容易使用問(wèn)題更需要有一點(diǎn)技巧，裝置所采用的技術(shù)是否恰當。從某種意義上講，這又必須根據目標應用是什么而采取不同的處理。語(yǔ)音識別兩個(gè)最通用的模式是語(yǔ)音從屬和語(yǔ)音獨立。
語(yǔ)音從屬與語(yǔ)音獨立
語(yǔ)音從屬意味著(zhù)必須有培訓系統而且通常它只可識別培訓系統的人所講的詞。語(yǔ)音獨立系統則可以識別幾乎所有講話(huà)人的詞。在這種情況下，可以聽(tīng)懂的詞匯通常也是相當有限的。
語(yǔ)音從屬的一個(gè)例子是語(yǔ)音撥號器，在語(yǔ)音撥號中用戶(hù)輸入要存儲的人名。幾次重復這些名字，撥號器正確地“記錄”是如何講的。當它聽(tīng)到這些名字時(shí)，它給出適當的信息，也有采用自動(dòng)撥號機撥號的。語(yǔ)音獨立使用的是計算器，它只有15個(gè)詞：10個(gè)數字和算術(shù)運算。
如何處理來(lái)自不同制造廠(chǎng)家的詞匯，Sensory公司采用把用語(yǔ)（vocabulary）劃分成詞組（word set）。根據應用，把很多必需用的詞組成一個(gè)命令樹(shù)（command tree），這里的限制因素是系統的存儲器容量，它通常取決于系統中可用的存儲量或成本預算。
對于語(yǔ)音獨立詞組來(lái)講，存儲器需要量大約為700字節/詞。在語(yǔ)音從屬模式中，它為128字節/詞。
Sensory公司設置語(yǔ)音獨立詞組為14個(gè)詞。如果用戶(hù)有很多詞要識別，則可在一個(gè)命令樹(shù)中建立自己的應用分支，只需用一個(gè)低音命令分支為獨立的功能，其中每一個(gè)功能都具有它自己的語(yǔ)音獨立詞組。這樣它對每一個(gè)詞都有不同的上下文，在詞組中通過(guò)共享可以再用這些詞。
在語(yǔ)音撥號器應用中，第一命令包“friends(朋友)”，“busiress(業(yè)務(wù))”和“relatives(親戚)”等。根據所講的這些詞，系統將轉移到第二組命令，如所含的詞為“first”（對于人名，從字母表前半部分的一個(gè)字母開(kāi)始）或“l(fā)ast”（對于人名從字母表的后半分部一個(gè)字母開(kāi)始）。直到找到所希望的名字為止。
語(yǔ)音獨立和語(yǔ)音從屬之間的另一個(gè)差別是所需要的存儲量，因為語(yǔ)音獨立系統已經(jīng)被培訓，它的700字節/詞直接包含在應用代碼中。代碼一般存儲在片外ROM、非易失存儲器（如閃存）或直接掩膜進(jìn)微控制器中。
語(yǔ)音從屬詞匯需要在運行時(shí)間存儲到可寫(xiě)存儲器中，這不是困難的，因為通常它只需很小的存儲量。一個(gè)EEPROM器件通常即可擔當此任。在128字節/詞中，64個(gè)詞可存儲在一個(gè)k字節EEPROM中，這對于大部分的應用是合適的。
影響語(yǔ)音識別系統精度的因素之一是所接收的信號品質(zhì)，主要由兩個(gè)因素（背景噪聲和所用傳聲器）確定。
背景噪聲可用系統內的噪聲消除算法處理。建議用定向傳聲器，往往傳聲器本身具有內含的噪聲消除功能。
傳聲器空間問(wèn)題
由于大部分便攜裝置所采用的體積尺寸會(huì )對傳聲器產(chǎn)生另外的問(wèn)題。它們是如此的小，以致使分配給傳聲器的空間不夠大或不是最好的位置。通常他們也沒(méi)有處理語(yǔ)音識別的設計。
現在可用的傳聲器對于語(yǔ)音從屬系統是可以接受的，但現在的傳聲器不適合用在實(shí)現語(yǔ)音獨立的平臺上。
在視距范圍內，目前普遍采用手持裝置實(shí)現移動(dòng)口授。這意味著(zhù)用戶(hù)可用PDA檢索他們的e-mail，以口授應答進(jìn)入PDA，然后無(wú)線(xiàn)發(fā)送應答或接入連接的PC。
可惜現在沒(méi)有一個(gè)可接受的嵌入傳聲器能滿(mǎn)足在手持裝置中進(jìn)行e-mail所需求的精度。
很多設計人員希望增加語(yǔ)音識別到現有的產(chǎn)品中。識別問(wèn)題嚴重受限制的原因是把傳聲器放在何處和如何設計。雖然設計人員喜歡采用功能強的處理器來(lái)處理此問(wèn)題，但是，具有高性能的處理器將無(wú)助于問(wèn)題的解決。假若輸入信號有缺陷，你對它做的再多也沒(méi)有用。靜電、噪聲和回路等都能影響語(yǔ)音的品質(zhì)。
試用DSP
設計一個(gè)語(yǔ)音識別系統最好方法之一是采用DSP。Sensory公司最近推出Voice Activation軟件，該軟件適合DSP基應用（如電話(huà)、無(wú)線(xiàn)設備、汽車(chē)和消費類(lèi)電子）。Voice Activation軟件是為高噪聲環(huán)境應用設計的。該公司聲稱(chēng)基于該軟件的系統在80dB噪聲環(huán)境中可達到優(yōu)于98%的精度。
利用DSP算法的另一結構出自Advanced Recognition Technologies公司，該公司的語(yǔ)音識別技術(shù)稱(chēng)之為smARTspeak，它與WinCE兼容并可定制用于專(zhuān)用的OS，適用于蜂窩電話(huà)和PDA市場(chǎng)。
ART的識別算法可運行在價(jià)廉、低性能、具有最小存儲器的微處理器中。另外，這些算法用綜合API（應用編程接口）系統書(shū)寫(xiě)，使它們很容易地轉移或應用于幾乎所有裝置。Port此技術(shù)的優(yōu)點(diǎn)是通過(guò)軟件實(shí)現語(yǔ)音控制，不增加系統的硬件成本。
Sensory公司的微處理器為便攜系統提供了關(guān)鍵性能——低功率和休眠模式以降低功耗。處理器可自己置到休眠，同時(shí)借助一條I/O線(xiàn)（一般用一按鍵）喚醒，或用一個(gè)內部定時(shí)器作周期性喚醒。
用RSC-264T和RSC-364芯片進(jìn)行設計時(shí)必須用外部ROM。RSC-264T是一款低檔器件，用在對成本敏感的消費類(lèi)電子和玩具中。它是一個(gè)8位微控制器，類(lèi)似于工業(yè)標準8051。這可使熟悉8051指令系統的設計人員能很快開(kāi)始編寫(xiě)代碼。一個(gè)片上傳聲器前置放大器有助于進(jìn)一步降低系統成本。RSC-364是一款高檔器件，設計用于消費類(lèi)電子和電話(huà)應用。
盡管這些器件是專(zhuān)門(mén)為語(yǔ)音識別設計的，但它們仍具有處理通用微處理器任務(wù)的能力。一個(gè)小系統不需要獨立的處理器，以避免增加電流損耗和成本。能工作在2.4～2.5V的系統，可采用兩節AAA電池供電。
一個(gè)RISC芯核（如Hitachi公司的SH）可做為語(yǔ)音識別的處理器，其中軟件編程接口（SPI）位于處理器和應用部件之間（見(jiàn)圖1）。
圖1 用RISC芯核實(shí)現語(yǔ)音識別
Information Storage Devices公司設計的VoiceDSP也是基于DSP結構基礎上。該產(chǎn)品把多種DSP功能集成在單片上，為電話(huà)、汽車(chē)和消費類(lèi)應用提供優(yōu)異的成本效率解決方案。
ISD-T360SA處理器把16位DSP和16位RISC芯核技術(shù)結合在一起（見(jiàn)圖2）。它具有系統支持功能，如中斷控制單元、編碼/解碼器接口（主和從）、到主系統微控制器的接口，以及閃存和DRAM用的存儲器處理。片上ROM存有VoiceDSP軟件。
圖2 集成DSP和RISC芯核技術(shù)
語(yǔ)音壓縮是語(yǔ)音識別的另一方面。Digital Voice Systems的AMBE-2000是一款聲碼器，它含有該公司的AMBE+聲碼器技術(shù)。它提供長(cháng)途應用品質(zhì)的語(yǔ)音（在4kbits），可工作在2～9.6kbits/s任何用戶(hù)確定的位率。它包含一個(gè)帶內置Viterbi譯碼器的卷積FEC編碼器（它具有4位軟決策譯碼）。
AMBE-2000特性有：3V工作，半雙工或全雙工模式，自動(dòng)語(yǔ)音和無(wú)聲檢測以及回聲消除。這些特性使它很適合于無(wú)線(xiàn)應用。用TIDSP芯核可簡(jiǎn)化代碼寫(xiě)入。
專(zhuān)用和標準OS
與PDA有關(guān)的最通用的操作系統是Windows CE和Palm OS。大部分的手持裝置運行專(zhuān)用OS。幾乎所有的便攜裝置都具有不同的配置、占位置面積、CPU和存儲器子系統。從第三方開(kāi)發(fā)者的觀(guān)點(diǎn)，迫切希望選擇一種或兩種平臺進(jìn)行開(kāi)發(fā)。現在，這兩種平臺就是WinCE和Palm OS。
在應用軟件方面，Dragon Systems公司的Naturally Speaking Mobile Organizer易使用戶(hù)的講話(huà)變?yōu)閑-mail。此軟件不僅識別所講的詞，而且分析講了什么并產(chǎn)生所希望的操作。例如，用戶(hù)講“send an e-mail”（發(fā)e-mail）或“schedule an appoinement”（安排約會(huì )），錄音器在PDA中存儲信息直到用戶(hù)的計算機可用為止。然后，當PDA PC連接時(shí)PC記錄和分析所講的內容。最后，Naturally Speaking Mobile Organizer命令應用采取適當的操作。兼容的應用包括Microsoft Outlook 98，Palm Pilot Desktop，Lotus Notes，Gold Mine和Symantec ACT! 4.0等。
摘自PDA時(shí)代
