谁用过stm32做语音识别？？？？

cheky77

谁用过stm32做语音识别？？？？

正点原子

做肯定是没问题,只是算法,就看个人能力了.
想当年,凌阳的16位单片机也语音识别呢....

lsj9383

这个东西嘛，具体难度得看你想做到什么程度。

YUSHI

stm32做控制还行，运算还是找正统的平台和系统吧，譬如Cortana，现在英语和汉语通吃，识别率杠杠的

等命令解析好后接下来的任务就可以交给stm32做了，这也就是现在物联网的思路

卧虎藏龙

回复【3楼】YUSHI:
---------------------------------
你那东西得联网吧

YUSHI

回复【4楼】卧虎藏龙:
---------------------------------
本地应用和设置的调用不需要联网，跟下位机通信弄个局域网就行

卧虎藏龙

回复【5楼】YUSHI:
---------------------------------
始终感觉略花哨，不是到什么地方都能用。

YUSHI

语音识别现在本来就是概念实践阶段，商用而且开发成本较低的也就cortana，siri，google now，平心而论，微软的最智能 回复【6楼】卧虎藏龙:
---------------------------------

cheky77

回复【8楼】正点原子:
---------------------------------
原子哥，那么厉害，搞一个给大家分享一下啊．

lsj9383

回复【7楼】YUSHI:
---------------------------------
语音识别现在已经被微软做到同声翻译的层次了。
dnn在语音识别里面的使用也是微软搞的。
语音识别只是一个例子，如果我想识别某段音乐，或者其他特殊的声音，算法一样 ，但是用你说的工具就无可奈何了。

lsj9383

回复【9楼】cheky77:
---------------------------------
单片机别跑语音了，跑也只能跑难度做低那种。
别个那种单片机 里面是专门集成了语音识别的相关处理。
就算模型用pc来做，但提取个特征 都要把单片机整残。

psrazil

凌阳是集成了DSP的，  STM32毕竟是控制类。
可以试试用凌阳来语音识别 或者 LD3320   虽然效果都马马虎虎

卧虎藏龙

回复【7楼】YUSHI:
---------------------------------
不知道你指的概念实践阶段是啥意思....

现在已经由各种语音识别软件了，我指的科大讯飞，云之声等公司的产品。

做语音识别，并不是仅限于单纯做这个东西，而是这个东西里面涉及的算法非常有用，不仅在语音识别里面用到。

做这东西主要是学习里面涉及到的数字信号处理知识 以及 机器学习的知识。

cheky77

回复【11楼】lsj9383:
---------------------------------
凌阳的Gpce跑49M，都做得还可以啊？Cm3都跑72M，应该是没有问题吧。应该残不了吧？

lsj9383

回复【14楼】cheky77:
---------------------------------
别个里面算那些东西不是用单片机本身来算的好吗。

语音的特征，常用的就是lpcc，mfcc，我大概说下这两个特征的计算吧。

所有语音数据要分帧处理，一般20-30ms为一帧，10ms左右为帧移。，

对于mfcc特征，每帧数据都要提取24维以上的特征，才能基本保证特征分类，其中每帧均要进行fft，求对数，三角形滤波器，对计算完后，每帧的结构还要做IDCT，提取出24维的向量。每段语音均要提取N帧特征。

对于lpcc特征，每帧数据要提取线性预测系数，对于lpcc的要求，通常是12维以上比较精确，所以组成一个12个未知数的方程，组成是12*12阶的一个方程组（本质上就是12阶维纳滤波器推导公式），这方程不管用高斯消元，还是用求逆的方法，都不好解，一般用杜宾递推。注意，每段语音数据又N帧，等于说要解N次。解出来的东西，就是语音的声道模型参数（LPC参数），还需要将其通过一个公式转换到lpcc参数。

这还只是提取特征，还没有算前面语音消噪。也没算后面计算量更大的，模式识别。比较经典的模型是HMM，这个模型也得用一个维特比算法（本质上就是一种动态规划算法）求最佳路劲算概率。也有计算量小点的vq，不过vq只能做特定人语音识别，不实用。

上面一切都是在默认模型在pc机上建立的情况。如果识别模型，若打算在单片机里面建识别模型，我都很难想象会跑多久了。