文献类型：期刊文章

作　　者：彭燕子[1] 柏杰[1] 曹炳尧[1] 宋英雄[1]

机构地区：[1]上海大学通信与信息工程学院,特种光纤与光接入网重点实验室,上海200444

出　　处：《工业控制计算机》

基　　金：上海市科委项目(18511103400)。

年　　份：2020

卷　　号：33

期　　号：9

起止页码：64-67

语　　种：中文

收录情况：普通刊

摘　　要：Kaldi为目前主流桌面端语音识别的人工智能框架,随着智能家居产品语音识别的需求增长,针对嵌入式硬件实现语音识别显得十分重要。针对Kaldi进行交叉编译并实现了基于ARM Cortex-A72内核的Raspberry Pi 4B嵌入式平台的移植,结合ReSpeaker 2-Mics Pi HAT,使用深度神经网络隐马科夫模型,实现了嵌入式实时离线大词汇量连续语音识别。实验结果表明,Kalid在嵌入式设备上运行语音识别算法时,并非预期的增加语音识别算法使用的CPU核心并行数有利于语音识别的响应时间。由于受制于算法框架和硬件资源的限制,应选择适合硬件条件的核心数来并行运算语音识别算法最佳,从而保证语音识别的速度。

关 键 词：Raspberry Pi  双麦克风  Kaldi  语音识别

分 类 号：TN912.34] TP18]