"PT32Z192 Cortex-M3 MCU的离线语音识别高效实例"

2024-03-15

随着科技的飞速发展，人机交互的方式也在不断演变。在键盘、触摸屏之后，语音识别技术正逐渐成为人机交互的新宠。从技术路线上来讲语音识别又分为在线语音和离线语音，不同于在线语音受制于网络的局限性，离线语音完全在本地运行，不需要联网和后台服务器，具有明显的低成本、低功耗优势。本文分享一款基于MCU平台的离线语音方案，具有识别灵敏度高、成本低廉和应用方便等特点，供大家参考。
废话不多说，直接上干货
此方案基于PT32Z192 Cortex-M3的MCU，内置AI语音识别算法库，默认普通话，可支持多种语言词条，支持语音播报。识别距离：安静环境下可达10米。
01 主控MCU资源
型号：PT32Z192，Cortex-M3内核,主频：160MHz,FLASH：512Kbytes，RAM：128Kbytes,12位高精度ADC，最高转换速率1Msps,高级定时器：最多可配置4路互补PWM输出,UART串口数量：2,IIC/SPI,封装：QFN32/LQFP64,02 咪头
选用了一款高灵敏度咪头，30dB或更高。
03 显示
采用了一个2.8寸TFT显示屏，三线SPI接口，移植了LVGL图形库进行UI界面交互；,04 通讯接口
预留两路UART通讯口，方便以后的应用扩展，如连接蓝牙/NB/Zigbee等无线通讯模块。
05 语音播报
兼容两种方案，专用语音播报芯片和PWM语音播放方案。
1）采用专用语音播放芯片，其中语音数据是存储在语音芯片内部的，可以找厂家定制或者自己用工具采样生成并烧录，方法灵活多样。然后，语音芯片的输出端连接一个功放（可不要，加功放可驱动大功率喇叭）和扬声器，MCU通过串口控制语音芯片进行声音播报。这种采用专用语音芯片的方案优点就是控制起来比较简单，软件开发也比较容易，只需要调通语音芯片的通讯协议即可。
2）PWM语音播报，就是MCU把采集好的语音数据（语音数据比较大，可存放在nor flash中）通过PWM方式输出，经过功率放大后驱动扬声器发出声音。如果不使用专用语音芯片同时对播报音量强度要求不高的情况下，可以采用PWM+功放+nor flash的方案。这种方案等于把专用语音芯片用一个功放IC和nor flash替代，成本上是否有优势读者可根据实际情况去评估，另外有一个缺点就是软件处理上相对复杂一点，声音的音质没有保证，需要花精力去调试和优化。
06 AI语音识别算法库
MCU厂家提供语音识别算法库和现成的应用DEMO，接口简单易懂、调用方便，拿到DEMO程序后保留原有语音识别框架不动，然后添加自己的应用程序代码，可以很方便的实现应用开发。
基本功能讲完了，下面直接上原理图
电源部分

MCU主控部分

语音咪头电路

语音播报芯片电路

功放电路

PWM语音播报电路

NOR FLASH电路

TFT显示屏接口

此方案简单易用，可应用于多种智能控制场景，如语音灯，语音风扇、智能窗帘等。
语音识别技术作为人机交互的新宠，正逐渐改变我们的生活方式。从智能家居到车载导航，从智能客服到语音助手，语音识别技术的应用场景越来越广泛。未来，随着技术的不断进步，语音识别技术将在更多领域发挥重要作用。让我们共同期待一个充满智慧与便捷的语音识别技术时代！