語音識別芯片也叫語音識別IC，與傳統的語音芯片相比，語音識別芯片最大的特點就是能夠語音識別，它能讓機器聽懂人類的語音，并且可以根據命令執行各種動作，如眨眼睛、動嘴巴（智能娃娃）。除此之外，語音識別芯片還具有高品質、高壓縮率錄音放音功能，可實現人機對話。

語音識別芯片所涉及的技術包括：信號處理、模式識別、概率論和信息論、發聲機理和聽覺機理、人工智能等等。

語音識別芯片的工作原理

嵌入式語音識別系統都采用了模式匹配的原理。錄入的語音信號首先經過預處理，包括語音信號的采樣、反混疊濾波、語音增強，接下來是特征提取，用以從語音信號波形中提取一組或幾組能夠描述語音信號特征的參數。特征提取之后的數據一般分為兩個步驟，第一步是系統“學習”或“訓練”階段，這一階段的任務是構建參考模式庫，詞表中每個詞對應一個參考模式，它由這個詞重復發音多遍，再經特征提取和某種訓練中得到。第二是“識別”或“測試”階段，按照一定的準則求取待測語音特征參數和語音信息與模式庫中相應模板之間的失真測度，最匹配的就是識別結果。

LD332X系列語音識別芯片的工作原理：

LD3320提供的語音識別技術，是基于“關鍵詞語列表”的識別技術：ASR（Autospeechrecognition）技術。

語音識別芯片完成的工作就是：把通過MIC輸入的聲音進行頻譜分析-》提取語音特征-》和關鍵詞語列表中的關鍵詞語進行對比匹配-》找出得分最高的關鍵詞語作為識別結果輸出。

語音識別芯片能在兩種情況下給出識別結果：

1）外部送入預定時間的語音數據后（比如5秒鐘的語音數據），芯片對這些語音數據運算分析后，給出識別結果

2）外部送入語音數據流，語音識別芯片通過端點檢測VAD（voiceactivitydetection）檢測出用戶停止說話，把用戶開始說話到停止說話之間的語音數據進行運算分析后，給出識別結果

對于第一種情況，可以理解為設定了一個定時錄音（比如為5秒鐘），芯片在5秒鐘后，會停止把聲音送入識別引擎，并且根據已送入引擎的語音數據計算出一個識別結果。

對于第二種情況，需要了解VAD的工作原理：

VAD（VoiceActivityDetection）技術是在一段語音數據流中，判斷出哪個時間點是人聲的開始，哪個時間點是人聲的結束。判斷的依據是，在背景聲音的基礎上有了語音發音，則視為聲音的開始。而后，檢測到一段持續時間的背景音（比如600毫秒），則視為人聲說話結束。

通過VAD判斷出人聲說話的區域后，語音識別芯片會把這期間的聲音數據進行識別處理后，計算出識別結果。

需要說明的是，除了以上兩種情況外，語音識別算法無法“主動”地判斷出是否識別出了一個結果。這是因為，在計算的過程中的任何時刻，語音識別器都會對已送入識別芯片的聲音數據進行分析，并根據匹配程度為識別列表中的關鍵詞語進行打分，最匹配的打分最高。但是，由于識別算法不知道用戶后面是否還繼續說語音，所以無法“主動”地判斷已經識別出一個結果。

比如，識別列表中有兩個關鍵詞語分別是“李曉”和“李曉明”，當用戶說到“曉”這個音節時，在識別芯片內部是“李曉”的得分最高，但此時識別芯片是無法給出識別結果。隨著用戶說出“明”音節后，“李曉明”則成為得分最高。此時，用戶停止說話，或者是定時錄音已到，使得識別芯片可以判斷出用戶已經停止說話了，才能給出識別結果是“李曉明”。

語音識別芯片的分類

按照使用者的限制而言，語音識別芯片可以分為特定人語音識別芯片和非特定人語音識別芯片。

特定人語音識別芯片

特定人語音識別芯片是針對指定人的語音識別，其他人的話不識別，須先把使用者的語音參考樣本存入當成比對的資料庫，即特定人語音識別在使用前必須要進行語音訓練，一般按照機器提示訓練2遍語音詞條即可使用。

非特定人語音識別芯片

非特定人語音識別是不用針對指定的人的識別技術，不分年齡、性別，只要說相同語言就可以，應用模式是在產品定型前按照確定的十幾個語音交互詞條，采集200人左右的聲音樣本，經過PC算法處理得到交互詞條的語音模型和特征數據庫，然后燒錄到芯片上。應用這種芯片的機器（智能娃娃、電子寵物、兒童電腦）就具有交互功能了。

非特定人語音識別應用有的是基于音素的算法，這種模式下不需要采集很多人的聲音樣本就可以做交互識別，但是缺點是識別率不高，識別性能不穩定。

按照說話方式的連續性，語音識別芯片又可分為非連續語音識別和連續語音識別。

非連續語音識別芯片

對于非連續語音來說，識別所說的每一個字必須分開辨認，要求說完每個字后都要停頓。

連續語音識別芯片

連續語音識別可以一般自然流利的說話方式來進行人性化的語音識別，但由于關系到相連音的問題，很難達到好的辨認效果。