【大联大品佳 NXP i.MX RT1050试用体验】 MCUXpresso IDE+语音识别（Tensorflow）测试

2020-12-1 09:50:29

前言：个人比较喜欢接触新鲜事物，在NXP芯片开发上很少使用Keil，因为官方提供的开发软件MCUXpresso IDE，使用起来更加方便，提供SDK库加载也非常容易，接下来带您体验下官方提供的语音识别案例。目前该案例只支持识别以下部分单词：const std::string labels[] = {"Silence", "Unknown","yes", "no", "up", "down", "left", "right", "on", "off", "stop", "go" };

一、IMXRT1050-EVKB 开发板MIC转换ADC电路图：

硬件话筒使用的是板载MIC-EM6022P，使用WM8960低功耗、立体声编码器，将mic模拟信号转换为数字信号传导到MCU。

音频输入/输出连接器

MIMXRT1050 EVK 板上使用的音频编解码器为 Wolfson 的低功耗、高质量立体声编解码器 WM8960。

MIMXRT1050 EVK 板包括一个耳机接口(J12)、一个板载 MIC (P1)、两个扬声器接口（J16、J17）和 SPDIF

接口（J14 和 J18、DNP）。J12 是一款 3.5mm 音频立体声耳机插孔，支持插入检测。

二、语音识别主要程序

其语音识别使用的是Tensorflow神经网络，目前使用的是工程自带的语音模型，如果想要扩展的话，需要使用ML-KWS-for-MCU 进行大量的训练，提炼新的语音模型。过程很耗时间，所以我之后会选择使用其他语音识别SDK进行语音上的开发。也因为做嵌入式硬件开发也不擅长或者说不会使用神经网络，神经网络属于专门学科或者面相算法开发的。

const std::string labels[] = {"Silence", "Unknown","yes", "no", "up", "down", "left", "right", "on", "off", "stop", "go" };

Source/ds_cnn_s_model.h 是用来存放语音模型信息

三、语音识别操作流程

首先打开 IDE ,选择导入工程,编译下载仿真，步骤很简单。

Debug完成后，打开串口调试助手，设置好后便会一直循环打印语音识别的结果。

接下来来体验语音识别吧！

图片8.png (24.31 KB, 下载次数: 0)