[發明專利]語音識別裝置和拾音設備

在審

• 申請號: 202110963369.2
• 申請日: 2021-08-20
• 公開（公告）號: CN113611296A
• 公開（公告）日: 2021-11-05
• 發明（設計）人: 王志軍;崔浩然;周天甲
• 申請（專利權）人: 天津訊飛極智科技有限公司
• 主分類號: G10L15/16
• 分類號: G10L15/16;G10L15/06;G11C7/16
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 程琛

1.一種語音識別裝置，其特征在于，包括中央處理器CPU和嵌入式神經網絡處理器NPU，所述CPU和所述NPU通信連接，所述NPU上加載有語音識別模型，所述語音識別模型基于樣本音頻和所述樣本音頻的識別文本訓練得到；

所述CPU用于確定待識別音頻；

所述NPU用于運行所述語音識別模型，確定所述待識別音頻的語音識別結果，并將所述語音識別結果傳輸至所述CPU。

2.根據權利要求1所述的語音識別裝置，其特征在于，所述NPU具體用于：

運行所述語音識別模型中的聲學模型，確定所述待識別音頻的聲學特征，并基于所述聲學特征確定所述待識別音頻的聲學語音識別結果，所述聲學模型是對云端聲學模型進行知識蒸餾得到的。

3.根據權利要求2所述的語音識別裝置，其特征在于，所述NPU具體還用于：

運行所述語音識別模型中的解碼模型，對所述聲學特征進行解碼，得到所述待識別音頻的生成式語音識別結果。

4.根據權利要求3所述的語音識別裝置，其特征在于，所述NPU具體還用于：

對所述聲學語音識別結果和所述生成式語音識別結果進行融合，生成語音識別文本，將所述語音識別文本作為所述語音識別結果傳輸至所述CPU。

5.根據權利要求3所述的語音識別裝置，其特征在于，所述NPU具體還用于：

分別將所述聲學語音識別結果和所述生成式語音識別結果傳輸至所述CPU；

所述CPU還用于：

對所述聲學語音識別結果和所述生成式語音識別結果進行融合，生成語音識別結果。

6.根據權利要求1至5中任一項所述的語音識別裝置，其特征在于，所述CPU還用于：基于設備能耗狀態、設備發熱狀態和所述待識別音頻的數據規格中的至少一種，確定所述語音識別模型的運算資源；

所述NPU具體用于：調用所述運算資源運行所述語音識別模型，確定所述待識別音頻的語音識別結果，并將所述語音識別結果傳輸至所述CPU。

7.根據權利要求6所述的語音識別裝置，其特征在于，還包括存儲單元，所述存儲單元用于存儲所述待識別音頻；

所述CPU還用于：基于所述待識別音頻的數據量和所述存儲單元的存儲量，確定所述待識別音頻的數據規格。

8.根據權利要求1至5中任一項所述的語音識別裝置，其特征在于，所述CPU具體用于：

確定初始音頻的來源為與所述CPU連接的麥克風陣列，則將所述初始音頻進行麥克風陣列降噪，得到所述待識別音頻。

9.根據權利要求1至5中任一項所述的語音識別裝置，其特征在于，所述CPU和所述NPU集成設置在同一芯片上。

10.一種拾音設備，其特征在于，包括：

主殼體；

拾音器，所述拾音器安裝于所述主殼體；

如權利要求1至9中任一項所述的語音識別裝置，所述語音識別裝置與所述拾音器電連接。