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...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。展开更多
文摘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。
