人工智能語(yǔ)音識(shí)別芯片轉(zhuǎn)讓
人工智能物聯(lián)網(wǎng)時(shí)代要求語(yǔ)音交互有非常好的體驗(yàn)感,室內(nèi)環(huán)境下,當(dāng)距離超過(guò)兩米后,通過(guò)墻壁的反射造成的混響、音響設(shè)備的回聲及其他環(huán)境噪聲對(duì)語(yǔ)音識(shí)別帶來(lái)了極大的影響,因此基于麥陣的聲音采集與處理模塊成為物聯(lián)網(wǎng)時(shí)代的最佳人機(jī)交互采集模塊。目前成熟的麥克風(fēng)陣列語(yǔ)音信號(hào)采集與前端處理模塊尚未出現(xiàn),市面上僅有少數(shù)國(guó)外廠家如科勝訊提供雙麥降噪芯片。同時(shí),語(yǔ)音識(shí)別應(yīng)用還需要配合降噪處理,目前的方案全部采用分離設(shè)計(jì),一顆降噪芯片+一顆語(yǔ)音識(shí)別芯片。近年來(lái)隨著大數(shù)據(jù)挖掘,基于人工智能神經(jīng)網(wǎng)絡(luò)的深度學(xué)習(xí)開(kāi)始在語(yǔ)音識(shí)別領(lǐng)域進(jìn)行推廣運(yùn)用,相對(duì)于傳統(tǒng)的GMM模型,識(shí)別率得到了很大的提升。然而神經(jīng)網(wǎng)絡(luò)計(jì)算量非常巨大,需要采用GPU或CPU陣列的方式來(lái)進(jìn)行運(yùn)算,并且需要外加語(yǔ)音陣列降噪模塊,其方案成本高,體積和功耗大。因此市場(chǎng)上對(duì)一款同時(shí)支持遠(yuǎn)場(chǎng)語(yǔ)音麥陣降噪和神經(jīng)網(wǎng)絡(luò)識(shí)別,具備高性價(jià)比的單芯片需求極大,具有巨大的市場(chǎng)前景和競(jìng)爭(zhēng)力。
電子科技大學(xué)
2021-04-10