[发明专利]语音识别装置和拾音设备

说明书

本发明提供一种语音识别装置和拾音设备，其中语音识别装置包括CPU和NPU，CPU和NPU通信连接，NPU上加载有语音识别模型，语音识别模型基于样本音频和样本音频的识别文本训练得到；CPU用于确定待识别音频；NPU用于运行语音识别模型，确定待识别音频的语音识别结果，将语音识别结果传输至CPU。本发明提供的语音识别装置和拾音设备，结合NPU的强大算力，在语音识别装置中部署了本地的语音识别模型，基于该语音识别模型对待识别音频进行离线语音识别，从而实现了高可靠度和高识别效率的本地离线识别，本地离线识别无需依赖网络，数据更加安全，也不存在网络传输带来的延时问题，识别显示更加及时流畅，有助于优化用户体验。

技术领域

本发明涉及人工智能技术领域，尤其涉及一种语音识别装置和拾音设备。

背景技术

录音笔凭借携带方便、操作简单等优点，被广泛应用于会议、演讲记录、采访和课堂等场合。

然而，目前市面上的主流录音笔为传统录音笔，传统录音笔专注于录音本身，录音后需要用户自主将声音整理成文字，效率低下，而且重复的工作量很大。另外，部分录音笔通过把录音文件导出后，依托网络引擎进行识别，步骤复杂，体验不佳，而且安全风险也较高。

发明内容

本发明提供一种语音识别装置和拾音设备，用以解决现有技术中识别效率低下的问题。

本发明提供一种语音识别装置，包括中央处理器CPU和嵌入式神经网络处理器NPU，所述CPU和所述NPU通信连接，所述NPU上加载有语音识别模型，所述语音识别模型基于样本音频和所述样本音频的识别文本训练得到；

所述CPU用于确定待识别音频；

所述NPU用于运行所述语音识别模型，确定所述待识别音频的语音识别结果，并将所述语音识别结果传输至所述CPU。

根据本发明提供的一种语音识别装置，所述NPU具体用于：

运行所述语音识别模型中的声学模型，确定所述待识别音频的声学特征，并基于所述声学特征确定所述待识别音频的声学语音识别结果，所述声学模型是对云端声学模型进行知识蒸馏得到的。

根据本发明提供的一种语音识别装置，所述NPU具体还用于：

运行所述语音识别模型中的解码模型，对所述声学特征进行解码，得到所述待识别音频的生成式语音识别结果。

根据本发明提供的一种语音识别装置，所述NPU具体还用于：

对所述声学语音识别结果和所述生成式语音识别结果进行融合，生成语音识别文本，将所述语音识别文本作为所述语音识别结果传输至所述CPU。

根据本发明提供的一种语音识别装置，所述NPU具体还用于：

分别将所述声学语音识别结果和所述生成式语音识别结果传输至所述CPU；

所述CPU还用于：

对所述声学语音识别结果和所述生成式语音识别结果进行融合，生成语音识别结果。

根据本发明提供的一种语音识别装置，所述CPU还用于：基于设备能耗状态、设备发热状态和所述待识别音频的数据规格中的至少一种，确定所述语音识别模型的运算资源；

所述NPU具体用于：调用所述运算资源运行所述语音识别模型，确定所述待识别音频的语音识别结果，并将所述语音识别结果传输至所述CPU。

根据本发明提供的一种语音识别装置，还包括存储单元，所述存储单元用于存储所述待识别音频；

所述CPU还用于：基于所述待识别音频的数据量和所述存储单元的存储量，确定所述待识别音频的数据规格。

根据本发明提供的一种语音识别装置，所述CPU具体用于：