應用領(lǐng)域
語(yǔ)音識別將聲音轉換成文本和命令，從而達到語(yǔ)音輸入、語(yǔ)音控制的目的。隨著(zhù)各種電子產(chǎn)品、移動(dòng)產(chǎn)品的大量涌現，利用語(yǔ)音識別技術(shù)可以大大改善人機交互的方式。嵌入式語(yǔ)音識別技術(shù)，可以應用于多種基于Windows、WinCE、Linux等的應用系統、移動(dòng)設備，可以通過(guò)語(yǔ)音來(lái)達到控制、查詢(xún)和有限輸入等“聲控”目的。
為順應市場(chǎng)的潮流和推動(dòng)語(yǔ)音識別技術(shù)的產(chǎn)業(yè)化，自動(dòng)化所專(zhuān)門(mén)針對各種電子產(chǎn)品和移動(dòng)電子產(chǎn)品，開(kāi)發(fā)了一套基于連續語(yǔ)音識別技術(shù)的可變詞匯、非特定人、命令詞語(yǔ)音識別引擎 Pattek ASR/ESR, 這是一個(gè)具有良好接口的語(yǔ)音識別SDK引擎，該引擎在各種噪聲環(huán)境、各種口音下，識別率具有穩定的識別率，且支持漢語(yǔ)、英語(yǔ)以及混合語(yǔ)言，支持Push-to-talk, Click-to-talk 和全聲控等多種工作模式的應用。
Pattek ASR3.0/ESR主要特性
1、 用戶(hù)無(wú)需實(shí)現訓練，為說(shuō)話(huà)人無(wú)關(guān)系統，具有很好的抗口音能力；
2、 識別準確率高，在常規語(yǔ)音撥號詞表下（500左右）首選識別率可以達到95％；
3、 卓越的抗噪性能：在大街上和汽車(chē)內等嘈雜的環(huán)境下仍能保持實(shí)用化的準確率；
4、 占用系統資源少：系統程序空間98K,運行空間100K,模型空間270K,總共約475K；
5、 能可以實(shí)現真正的Hand free操作，人與麥克風(fēng)只要保持在30cm距離，系統都能正常工 作；
6、 系統在要求下處于監控狀態(tài)，能主動(dòng)抓住系統所需要辨識的關(guān)鍵詞和句型，而有效地拒絕非關(guān)鍵詞和非定義句型；
7、 句型可以由用戶(hù)自行定義；
8、 支持多個(gè)詞表之間的切換和增詞、減詞功能；
9、 任意提供多個(gè)識別候選，提高二次交互的準確率等；
10、 具有良好的識別操作實(shí)時(shí)性，識別可以實(shí)時(shí)完成；
11、 系統具有良好的實(shí)用性，可以在各種環(huán)境中使用，識別效果良好；
12、 產(chǎn)品代碼極其優(yōu)化，占有很少的存儲空間和運行空間。
Pattek ASR3.0/ESR主要性能指標
Pattek ASR3.0/ESR嵌入式系列識別引擎采用標準C語(yǔ)言編寫(xiě)，支持移植到任何第三方操作系統，實(shí)現強大的語(yǔ)音人機交互功能。已經(jīng)實(shí)施移植過(guò)的支持的操作系統包括微軟的WM5、PPC2002、2003，SmartPhone2002、2003等；Symbian聯(lián)盟的Symbians60，嵌入式Linux如移軟Mphone系統、博動(dòng)OPNA系統，類(lèi)Linux環(huán)境Nucles，低端運行環(huán)境REX，基帶專(zhuān)用系統MTK等。
Pattek ASR3.0/ESR 引擎可以根據CPU的性能特點(diǎn)進(jìn)行裁減，在超過(guò)20MIPS運行能力的芯片上均可正常運行。如Intel的Xscale，PXA， TI的OMAP和TMS-54x/55x DSPs AＤ,高通的基于A(yíng)RM9的5500系列，Philips Dragon Fly，展訊的6600M系列，MTK 62系列， ARM7/ARM9，BroadCOM等。下表為主要參數：
內容描述
缺省支持
擴展支持
錄音數據
采樣率
8k
16k等，可定制
數據表示
16bit
支持采樣精度10-16bit
通道數
單聲道
最大錄音時(shí)間
3秒
可定制
識別命令集
詞編碼
GB2312
Unicode等
詞形式
漢字、數字、拼音
英語(yǔ)
命令集最大個(gè)數
2
可定制
命令集名稱(chēng)最大長(cháng)度
10
可定制
RAM資源
分配方式
動(dòng)態(tài)分配、靜態(tài)分配
ASR初始化內存
13k
ASR詞表內存
3-4k(每100詞)
ASR一次識別過(guò)程所需內存
63k(識別完釋放)
可調整
TTS內存
5k(一次支持20漢字)
可定制
ROM資源
ASR程序（lib庫）
72k
平臺相關(guān)、優(yōu)化
TTS程序
80k
平臺相關(guān)、優(yōu)化
ASR數據
283k
優(yōu)化
TTS數據
671k
優(yōu)化
識別速度
20MIPS CPU、通常詞表
不超過(guò)2倍實(shí)時(shí)
平臺相關(guān)
