簡介
MCU平台的語音識別技術從套用角度上通常分為2類：一類是特定人語音識別，一類是非特定人語音識別。特定人語音識別技術是針對一個特定的人的識別技術，簡單說就是只識別一個人的聲音，不適用於更廣泛的群體；而非特定人識別技術恰恰相反，可以滿足不同人的語音識別要求，適合廣泛人群套用。
識別特點非特定人語音識別是不用針對指定發音人的識別技術，這種語音識別技術不分年齡、性別，只要發音人說的是相同的語言就可以識別。
套用模式非特定人語音識別的套用模式是在產品定型前按照確定的十幾個語音交互詞條，採集200人左右的聲音樣本，經過工程師的PC算法處理得到互動詞條的語音模型和特徵資料庫，然後燒錄到晶片上。
而基於音素算法的套用模式不需要採集很多人的聲音樣本，就可以做互動識別，但缺點是識別率不高，識別性能不穩定。
嵌入式非特定人語音識別系統具有體積小、可靠性高、功耗低、價格低、易於商品化等特點，套用於智慧型玩具領域技術已經非常成熟。
嵌入式非特定人語音識別晶片SR160X是一個完整的語音識別系統，除了語音識別外還具備語音提示、語音回放、高壓縮率高品質放音、錄音、溫度檢測、時鐘、鬧鐘及紅外操控等功能。嵌入式非特定人語音識別系統的特點使得其套用領域十分廣泛，可以做玩具、禮品、學習機、賀卡等消費類電子產品控制。
非特定人語音識別晶片
非特定人單晶片語音識別晶片SR130X
| 型號 | 功能 | 最多識別詞條 | 識別率 | 規格 | 說明 | |
| 1 | SR1301 | 無Flash，中文、外語語音識別、放音、LED、音樂、電機 | 多級，任意 | 97% | 非特定人 | 學習機、兒童電腦、複雜方案中 |
海量詞庫免采庫—非特定人SR140X
| 型號 | 功能 | 最多識別詞條 | 識別率 | 規格 | 說明 | |
| 1 | SR1401 | 無Flash，中文、外語語音識別、放音、LED、音樂、電機 | 多級，任意 | 97% | 非特定人 | 學習機、兒童電腦、複雜方案中 |
| 2 | SR1402 | 中文語音識別、放音、錄音、LED、音樂、電機 | 多級，任意 | 97% | 非特定人 | 學習機、兒童電腦、複雜方案中 |
非特定人海量詞庫免采庫語音識別晶片SR160X
| 型號 | 功能 | 最多識別詞條 | 識別率 | 規格 | 說明 | |
| 1 | SR1601 | 中文、外文識別、放音、LED、音樂、電機 | 8 | 97% | 非特定人 | 適合價格非常敏感的玩具 |
| 2 | SR1602 | 中文、外文識別、放音、LED、音樂、電機、時間、鬧鐘 | 16 | 97% | 非特定人 | 複雜方案中 |
| 3 | SR1603 | 中文、外文識別、放音、錄音、LED、音樂、電機、時間、鬧鐘、感測器 | 25 | 97% | 非特定人 | 電子狗、機器人等等特殊方案中 |
語音識別系統結構
一個完整的基於統計的非特定人語音識別系統可大致分為三部分：
(1)語音信號預處理與特徵提取；
(2)聲學模型與模式匹配；
(3)語言模型與語言處理。
選擇識別單元是語音識別研究的第一步。語音識別單元有單詞（句）、音節和音素三種，具體選擇哪一種，由具體的研究任務決定。
單詞（句）單元廣泛套用於中小辭彙語音識別系統，但不適合大辭彙系統，原因在於模型庫太龐大，訓練模型任務繁重，模型匹配算法複雜，難以滿足實時性要求。
音節單元多見於漢語語音識別，主要因為漢語是單音節結構的語言，而英語是多音節，並且漢語雖然有大約1300個音節，但若不考慮聲調，約有408個無調音節，數量相對較少。因此，對於中、大辭彙量漢語語音識別系統來說，以音節為識別單元基本是可行的。
音素單元以前多見於英語語音識別的研究中，但目前中、大辭彙量漢語語音識別系統也在越來越多地採用。原因在於漢語音節僅由聲母（包括零聲母有22個）和韻母（共有28個）構成，且聲韻母聲學特性相差很大。實際套用中常把聲母依後續韻母的不同而構成細化聲母，這樣雖然增加了模型數目，但提高了易混淆音節的區分能力。由於協同發音的影響，音素單元不穩定，所以如何獲得穩定的音素單元，還有待研究。
語音識別一個根本的問題是合理的選用特徵。特徵參數提取的目的是對語音信號進行分析處理，去掉與語音識別無關的冗餘信息，獲得影響語音識別的重要信息，同時對語音信號進行壓縮。在實際套用中，語音信號的壓縮率介於10-100之間。語音信號包含了大量各種不同的信息，提取哪些信息，用哪種方式提取，需要綜合考慮各方面的因素，如成本，性能，回響時間，計算量等。非特定人語音識別系統一般側重提取反映語義的特徵參數，儘量去除說話人的個人信息；而特定人語音識別系統則希望在提取反映語義的特徵參數的同時，儘量也包含說話人的個人信息。
線性預測（LP）分析技術是目前套用廣泛的特徵參數提取技術，許多成功的套用系統都採用基於LP技術提取的倒譜參數。但線性預測模型是純數學模型，沒有考慮人類聽覺系統對語音的處理特點。
Mel參數和基於感知線性預測（PLP）分析提取的感知線性預測倒譜，在一定程度上模擬了人耳對語音的處理特點，套用了人耳聽覺感知方面的一些研究成果。實驗證明，採用這種技術，語音識別系統的性能有一定提高。從目前使用的情況來看，梅爾刻度式倒頻譜參數已逐漸取代原本常用的線性預測編碼導出的倒頻譜參數，原因是它考慮了人類發聲與接收聲音的特性，具有更好的魯棒性（Robustness）。
也有研究者嘗試把小波分析技術套用於特徵提取，但目前性能難以與上述技術相比，有待進一步研究。
聲學模型通常是將獲取的語音特徵使用訓練算法進行訓練後產生。在識別時將輸入的語音特徵同聲學模型（模式）進行匹配與比較，得到最佳的識別結果。
聲學模型是識別系統的底層模型，並且是語音識別系統中最關鍵的一部分。聲學模型的目的是提供一種有效的方法計算語音的特徵矢量序列和每個發音模板之間的距離。聲學模型的設計和語言發音特點密切相關。聲學模型單元大小（字發音模型、半音節模型或音素模型）對語音訓練數據量大小、系統識別率，以及靈活性有較大的影響。必須根據不同語言的特點、識別系統辭彙量的大小決定識別單元的大小。
以漢語為例：
漢語按音素的發音特徵分類分為輔音、單元音、複元音、復鼻尾音四種，按音節結構分類為聲母和韻母。並且由音素構成聲母或韻母。有時，將含有聲調的韻母稱為調母。由單個調母或由聲母與調母拼音成為音節。漢語的一個音節就是漢語一個字的音，即音節字。由音節字構成詞，最後再由詞構成句子。
漢語聲母共有22個，其中包括零聲母，韻母共有38個。按音素分類，漢語輔音共有22個，單元音13個，複元音13個，復鼻尾音16個。
目前常用的聲學模型基元為聲韻母、音節或詞，根據實現目的不同來選取不同的基元。漢語加上語氣詞共有412個音節，包括輕音字，共有1282個有調音節字，所以當在小辭彙表孤立詞語音識別時常選用詞作為基元，在大辭彙表語音識別時常採用音節或聲韻母建模，而在連續語音識別時，由於協同發音的影響，常採用聲韻母建模。
基於統計的語音識別模型常用的就是HMM模型λ(N,M,π,A,B)，涉及到HMM模型的相關理論包括模型的結構選取、模型的初始化、模型參數的重估以及相應的識別算法等。
語言模型包括由識別語音命令構成的語法網路或由統計方法構成的語言模型，語言處理可以進行語法、語義分析。
語言模型對中、大辭彙量的語音識別系統特別重要。當分類發生錯誤時可以根據語言學模型、語法結構、語義學進行判斷糾正，特別是一些同音字則必須通過上下文結構才能確定詞義。語言學理論包括語義結構、語法規則、語言的數學描述模型等有關方面。目前比較成功的語言模型通常是採用統計語法的語言模型與基於規則語法結構命令語言模型。語法結構可以限定不同詞之間的相互連線關係，減少了識別系統的搜尋空間，這有利於提高系統的識別。
非特定人語音識別的主要問題
語音識別主要有以下五個問題：
1.對自然語言的識別和理解。首先必須將連續的講話分解為詞、音素等單位，其次要建立一個理解語義的規則。
2.語音信息量大。語音模式不僅對不同的說話人不同，對同一說話人也是不同的，例如，一個說話人在隨意說話和認真說話時的語音信息時不同的。一個人的說話方式都會隨著時間的推移而發生變化，可想而知，針對不同說話人的語音識別有多難。
3.語音的模糊性。說話者在講話時，不同的詞可能聽起來是相似的。這在英語和漢語中常見。
4.單個字母或詞、字的語音特性受上下文的影響，以致改變了重音、音調、音量和發音速度等。
5.環境噪聲和干擾對語音識別有嚴重影響，致使識別率低。
