01 物聯網系統中為什么要使用離線語音識別芯片

物聯網系統中使用離線語音識別芯片的原因主要基于以下幾個方面：

1、實時性與可靠性

實時性好：離線語音識別芯片能夠在沒有網絡連接的情況下進行語音識別，避免了網絡延遲或不穩定對識別速度的影響，從而保證了系統的實時響應能力。

高度穩定性和可靠性：離線語音識別芯片采用先進的硬件設計和算法，能夠在各種環境下穩定運行，不受網絡狀況的影響，提高了系統的整體穩定性和可靠性。

2、數據安全性與用戶隱私保護

數據安全性高：由于離線語音識別芯片在本地進行語音識別處理，用戶的語音數據不會上傳到云端，從而避免了數據泄露的風險，增強了數據的安全性。

用戶隱私保護：在物聯網系統中，用戶的隱私保護至關重要。離線語音識別芯片通過避免數據傳輸過程中的潛在風險，更好地保護了用戶的隱私。

3、靈活性與定制化

支持定制：離線語音識別芯片可以根據不同國家和地區的語言需求進行定制，滿足多樣化的國際市場需求。

易于集成：這些芯片通常支持多種接口和協議，能夠與其他物聯網設備無縫對接，方便系統集成和開發。

4、低功耗與高性價比

低功耗：離線語音識別芯片在設計時注重能效比，能夠在保證性能的同時降低功耗，延長設備的使用時間。

高性價比：隨著技術的不斷進步和規模化生產，離線語音識別芯片的成本逐漸降低，使得其在大規模應用中的性價比更高。

5、廣泛的應用場景

家居：

車載娛樂與安全：

智能穿戴設備：

在運動或戶外場景中，智能穿戴設備的離線語音識別功能尤為實用，因為它們通常不依賴外部網絡連接。

智能安防：

工業控制：

相較于傳統的操作方式，語音控制更加直觀和便捷，提高了工作效率和安全性。

特定行業應用：

在醫療、教育、金融等特定行業中，離線語音識別芯片也有廣泛的應用。例如，在醫療領域，離線語音識別芯片可以用于智能語音病歷錄入、患者信息查詢等；在教育領域，可以用于智能教學設備、語言學習輔助工具等；在金融領域，可以用于智能客服、語音交易等。

綜上所述，物聯網系統中使用離線語音識別芯片能夠顯著提升系統的實時性、可靠性、數據安全性、用戶隱私保護能力以及靈活性和定制化水平。同時，這些芯片的低功耗和高性價比也使其成為物聯網系統中不可或缺的重要組成部分。

本文會再為大家詳解語音芯片家族中的一員——離線語音識別芯片。

02 離線語音識別芯片的定義

離線語音識別芯片是一種集成了語音識別算法和硬件處理能力的專用芯片，它能夠在沒有網絡連接的情況下，通過內置的算法對輸入的語音信號進行實時處理和分析，從而實現語音到文本的轉換功能。

離線語音識別芯片的主要特點包括：

無需聯網：這是離線語音識別芯片最顯著的特點。由于算法和模型都集成在芯片內部，因此無需依賴外部服務器或網絡連接即可進行語音識別。這使得離線語音識別芯片在隱私保護、數據安全以及網絡不可達的環境中具有獨特的優勢。

實時處理：離線語音識別芯片能夠實時接收并處理輸入的語音信號，將語音轉換為文本。這種實時性使得離線語音識別芯片在需要即時響應的應用場景中非常有用，如智能家居控制、車載導航等。

低功耗：為了滿足移動設備和其他嵌入式設備的需求，離線語音識別芯片通常采用低功耗設計。這意味著它們可以在不消耗過多能源的情況下進行長時間的工作，適用于對能源消耗敏感的應用場景。

高可靠性：由于離線語音識別芯片不依賴外部網絡，因此它們的可靠性更高。即使在網絡不穩定或中斷的情況下，離線語音識別芯片仍然能夠正常工作，提供穩定的語音識別服務。

離線語音識別芯片通常支持用戶自定義的語音識別模型和詞匯表。這意味著用戶可以根據自己的需求來定制語音識別功能，以滿足特定應用場景下的需求。

03 離線語音識別芯片的原理

離線語音識別芯片的原理可以清晰地分為以下幾個步驟：

信號采集：

通過麥克風（傳感器）捕捉聲音信號，將其轉化為電信號。這是后續處理的基礎。

預處理：

去除噪聲、回聲消除、降噪等處理，提高語音信號的質量。

采樣和量化，將連續的模擬信號轉換為離散的數字信號。這一步驟主要通過DSP（數字信號處理器）進行處理，例如雷龍語音模塊內置的DSP芯片可以進行各種卷積和數字濾波處理，以大幅提高語音質量。

特征提取：

將語音信號轉化為具有代表性的特征向量。這些特征向量能夠捕捉到語音信號中的關鍵信息，如音調、音色和音節等。特征信息的提取需要通過算法來實現，并需要大量的計算能力。

匹配：

將提取的特征向量與預定義的詞典中的詞進行匹配。常用的匹配算法包括動態時間規整（DTW），它能有效地解決語音信號的時間扭曲問題。

識別：

使用深度神經網絡算法進行語音識別。這種算法具有識別精準、誤判率低等優勢，可以過濾掉穩態噪聲，并對動態噪聲也有很好的抑制作用，即使在噪音環境下也能準確識別。

歸納：

離線語音識別芯片通過內置的數字信號處理器（DSP）和其他算法，從聲音信號中提取關鍵信息，并轉化為特征向量。然后，這些特征向量與預定義的詞典進行匹配，最終實現語音到文本的轉換。整個過程無需網絡連接，具有實時性、低功耗和高可靠性的特點。同時，由于采用了深度神經網絡等先進技術，離線語音識別芯片的識別精度和抗干擾能力也得到了顯著提升。

04 離線語音識別芯片的選型參數

語種支持：

確定芯片支持的語種，如中文、英文等。例如，蜂鳥M(US516P6)芯片支持中文和英語。

命令詞數量：

芯片支持的離線命令詞數量。例如，蜂鳥M(US516P6)支持150條離線命令詞。

識別率與誤喚醒率：

識別率：在特定測試條件下（如50dB背景噪音，距離5米下測試），芯片能夠達到的語音識別準確率。例如，蜂鳥M(US516P6)的識別率為95%。

誤喚醒率：在特定時間段內（如48小時），芯片被誤喚醒的次數。例如，蜂鳥M(US516P6)的誤喚醒率為48小時/1次以內。

識別距離：

芯片在正常情況下能夠識別的最大距離。例如，蜂鳥M(US516P6)的識別距離為8米。

噪聲環境適應性：

芯片能夠適應的噪聲環境范圍。例如，蜂鳥M(US516P6)勝任低中噪聲環境（60dB背景噪音）。

特色功能：

芯片是否支持特定的功能，如消費者自學習功能（允許用戶自定義喚醒詞和命令詞）、穩態降噪（處理固定頻率的噪聲）、AEC功能（回聲消除）等。

封裝與尺寸：

芯片的封裝類型和尺寸，這對于硬件設計和集成非常重要。例如，SU-21T芯片的封裝為SMD18，尺寸為10*10mm（±0.2）mm。

功耗：

芯片的待機功耗和工作功耗。低功耗對于嵌入式和移動設備來說至關重要。例如，SU-21T是一款低功耗的離線語音識別模組，待機功耗進入亞毫瓦級，工作功耗幾毫瓦級別。

接口與兼容性：

芯片支持的接口類型和與其他設備的兼容性。例如，SU-21T支持UART/I2C/PWM/GPIO接口。

市場與應用：

芯片主要面向的市場和應用領域。這有助于確定芯片是否滿足項目的具體需求。例如，蜂鳥M(US516P6)適用于家電、照明、藍牙音箱等領域。

05 離線語音識別芯片的使用注意事項

使用前的準備

了解芯片特性：

在使用離線語音識別芯片之前，應仔細閱讀芯片的技術文檔，了解芯片的識別率、誤喚醒率、識別距離等關鍵參數。確保芯片支持所需的語種和命令詞數量。

環境評估：

評估使用場景的環境噪聲水平，確保芯片能在該環境下正常工作。盡量避免在嘈雜的環境中使用，以提高識別準確率。

安裝與集成

接口匹配：

確保離線語音識別芯片的接口與您的設備或系統匹配，如UART、I2C、PWM、GPIO等。根據芯片的技術文檔正確連接和配置接口。

電源管理：

離線語音識別芯片通常具有低功耗特性，但仍需注意電源管理，確保芯片在待機和工作狀態下都能獲得穩定的電源供應。

使用與維護

發音清晰：

在使用離線語音識別功能時，發音應清晰、準確，避免語速過快或發音含糊不清。對于口音較重或發音不標準的用戶，可以通過擴充詞匯庫、學習和錄入特定詞匯來提高識別率。

避免誤喚醒：

在設置喚醒詞時，應選擇與其他常用詞匯區分度較高的詞匯，以減少誤喚醒的可能性。根據芯片的誤喚醒率調整喚醒詞的閾值，以降低誤喚醒率。

隱私保護：

離線語音識別芯片在處理語音數據時，應確保數據僅在本地處理，不上傳到外部服務器。選擇有信譽的芯片供應商，確保其符合隱私保護和數據安全的法規要求。

更新與升級：

關注芯片供應商的更新和升級信息，及時獲取最新的固件和軟件版本。定期更新和升級芯片的軟件和算法，以提高識別準確率和適應新的應用場景。

離線語音識別芯片的故障排查與解決

識別失敗：

當出現識別失敗時，首先檢查語音輸入是否清晰、準確，以及環境噪聲是否過大。嘗試調整識別閾值或重新錄入命令詞，以改善識別效果。

性能下降：

如果發現離線語音識別芯片的性能下降，可能是由于長時間使用或環境因素導致的。此時可以嘗試重置芯片或將其放置在更適宜的環境中，以恢復性能。

06 離線語音識別芯片的廠商

啟英泰倫（CI1006系列及CI135X系列）

成立時間：2015年11月

總部位置：成都市高新區

產品系列：形成了4個系列、20款芯片型號，涵蓋了端側AI語音芯片、AI語音Wi-Fi Combo芯片、AI語音BLE芯片

技術優勢：擁有自主研發的腦神經網絡處理器核（BNPU V3.5），支持多種神經網絡和矢量并行運算

應用領域：廣泛應用于智慧家居、智慧酒店、智慧安防、智慧教育、智慧汽車和機器人等領域

預計出貨量：2024年將出貨5000萬顆語音芯片

廣州九芯電子科技有限公司（NRK100/NRK101/NRK10系列）

產品特點：自主研發的高性能、低成本的離線語音識別芯片，具有語音識別及播報功能

應用領域：智能家居、AI人工智能、玩具等多種領域

北京承芯卓越科技有限公司

公司定位：立足于中關村清華科技園區，提供具有自主知識產權的智能語音處理類專用芯片和方案

主要業務：自主研發嵌入式語音識別芯片、應用軟件技術、和智能語音應用方案

探境、清微、知存

地域特點：均為北京系的公司

技術優勢：在NPU（網絡神經處理器）上有各自的技術特點和優勢，語音識別的處理能力最優，能耗比很高

杭州國芯

成立時間：2001年

業務領域：衛星數字電視方案和AI語音識別方案

語音識別產品：芯片較多，其中GX8002A主打“高集成度和小體積”特點，主攻TWS耳機和可穿戴應用

07 供應商A:唯創知音

1、產品能力

（1）選型手冊

暫時無法在飛書文檔外展示此內容

（2）主推型號1：WTK6900FC

對應的產品詳情介紹

WTK6900FA-56N是一顆語音處理的人工智能語音芯片。該芯片基于深度神經網絡(DNN-HMM)語音識別技術,實現了高識別率、高實時性、本地和云端結合、高度一體化的語音識別及處理功能；可以實現語義識別等特定智能語音交互效果。同時該芯片具備常規MCU的控制及計算處理能力，可以實現各類需要通信及控制的應用。

該芯片從語音輸入開始，語音檢測，語音特征提取及DNN運算完全采用硬件架構設計，軟件主要進行語音解碼和語音播報。該芯片具有較高的運算性能及低成本、低功耗、小尺寸等優勢。在應用方面，該芯片可以支持本地語音檢測、喚醒，以及一百多條離線命令詞條的識別。芯片可通過UART將命令推送到設備原有的上位機，實現簡單的語音交互接口。

產品特征：

（1）內置ASR硬件加速引擎；語音活動檢測引擎（VAD）； （2）支持本地語音識別解碼；支持低功耗語音喚醒； （3）內置獨立看門狗和窗口看門狗；支持超時產生中斷或復位； （4）支持外接晶體和有源晶振； （5）外設接口：內置2路UART接口，其中一路支持硬件流量控制； （6）內置1路SPI接口；

硬件參考設計

2、支撐

（1）技術產品

技術資料

本文章源自奇跡物聯開源的物聯網應用知識庫Cellular IoT Wiki，更多技術干貨歡迎關注收藏Wiki：Cellular IoT Wiki 知識庫（https://rckrv97mzx.feishu.cn/wiki/wikcnBvAC9WOkEYG5CLqGwm6PHf）

歡迎同學們走進AmazIOT知識庫的世界！

這里是為物聯網人構建的技術應用百科，以便幫助你更快更簡單的開發物聯網產品。

Cellular IoT Wiki初心：

在我們長期投身于蜂窩物聯網 ODM/OEM 解決方案的實踐過程中，一直被物聯網技術碎片化與產業資源碎片化的問題所困擾。從產品定義、芯片選型，到軟硬件研發和測試，物聯網技術的碎片化以及產業資源的碎片化，始終對團隊的產品開發交付質量和效率形成制約。為了減少因物聯網碎片化而帶來的重復開發工作，我們著手對物聯網開發中高頻應用的技術知識進行沉淀管理，并基于 Bloom OS 搭建了不同平臺的 RTOS 應用生態。后來我們發現，很多物聯網產品開發團隊都面臨著相似的困擾，于是，我們決定向全體物聯網行業開發者開放奇跡物聯內部沉淀的應用技術知識庫 Wiki，期望能為更多物聯網產品開發者減輕一些重復造輪子的負擔。

Cellular IoT Wiki沉淀的技術內容方向如下：

奇跡物聯的業務服務范圍：基于自研的NB-IoT、Cat1、Cat4等物聯網模組，為客戶物聯網ODM/OEM解決方案服務。我們的研發技術中心在石家莊，PCBA生產基地分布在深圳、石家莊、北京三個工廠，滿足不同區域&不同量產規模&不同產品開發階段的生產制造任務。跟傳統PCBA工廠最大的區別是我們只服務物聯網行業客戶。

連接我們，和10000+物聯網開發者一起 降低技術和成本門檻

讓蜂窩物聯網應用更簡單~~

哈哈你終于滑到最重要的模塊了，

千萬不！要！劃！走！忍住沖動！~

歡迎加入飛書“開源技術交流群”，隨時找到我們哦~

點擊鏈接如何加入奇跡物聯技術話題群（https://rckrv97mzx.feishu.cn/docx/Xskpd1cFQo7hu9x5EuicbsjTnTf）可以獲取加入技術話題群攻略

Hey 物聯網從業者，

你是否有了解過奇跡物聯的官方公眾號“eSIM物聯工場”呢？

這里是奇跡物聯的物聯網應用技術開源wiki主陣地，歡迎關注公眾號，不迷路～

及時獲得最新物聯網應用技術沉淀發布

審核編輯 黃宇