欢迎光临~广州悦欣电子科技有限公司
联系电话 手机/微信:

18925103846

您的位置: 网站首页 > 资料知识

资料知识

MX9016B-24QS语音识别芯片使用说明书V1.02

1、芯片特征

  • 半米内识别率 90%以上

  • 可以通过语音指令控制输出

  • 可以通过单片机串口控制播放指定语音

  • 三种输出模式:串口输出、IO 输出、喇叭播放

  • PWM 输出可直接推动 0.5W/8Ω 或 1W/8Ω 扬声器

  • 具有差分放大电路,安静环境下语音识别距离可达到 2-3 米

  • 外挂 SPI Flash,增加存储容量

  • 可以存储多组词条,但是同一时刻只能出现一组词条

  • 非特定人语音识别

  • 语音可支持 32 种语言,目前中文识别度较好

 

2、功能描述

MX9016B语音识别模块是一款小巧语音识别模块,安静环境下语音识别距离可达到 2-3 米;外挂 SPI Flash,增加存储容量;主要功能如下:

  1. 识别功能:可识别预设的语音词条,同时通过串口,IO 输出以及识别结果。

  2. 播放功能:通过单片机指令播放指定的语音,同时通过 BUSY 脚标志是否正在播放语音。

 

3、应用范围

  • 玩具类:智能机器人、智能故事机、智能玩具车机等

  • 家电类:智能茶壶、智能电饭锅、智能音箱、智能插排、智能晾衣架,智能空气净化器等

  • 理疗类:眼部按摩仪、按摩椅、头部按摩仪、足浴按摩器

  • 语音导航类:医院、商场等地方内指路器

4、应用方框图

模块1

结构组成:MX9016B-24QS 语音识别芯片外挂SPI-flash;可搭配麦克风、喇叭、单片机等外设一起使用。不过,在虚线框中的串口和 IO 都是用于检测 MX9016B是否能正确识别,所以在连接 MCU(客户的)时可连接其 IO 口或串口,二选一即可。

 

5、芯片管脚介绍

芯片管脚图,引脚按照上图排列顺序

 

引脚

引脚标号

功能描述

1

PWMP

数字PWM输出(+),跟PWMP组合使用可直接驱动扬声器

2

VPS

PWM电源输出脚

3

VIO

PortA IO 电源输入脚

4

SPI_SO

SPI_SO脚

5

SPI_SI

SPI_SI脚

6

SPI_SCLK

SPI_SI脚

7

SPI_CS

SPI_CS脚

8

RESTINB

复位脚(烧录时需用到)

9

PC4

MIC麦克风口

10

PC3

MIC麦克风口

11

PC2

MIC麦克风口

12

AVSS

模拟地

13

BUSY

BUSY输出脚

14

OUTD

IO口/32K的晶体输出脚

15

V33O

内部LDO3.3V/1.8V 电压输出

16

VCC

电源输入脚

17

VSS

数字地

18

TX

串口发送脚

19

RX

串口接收脚

20

OUTC

IO口/AD口

21

OUTB

烧录引脚,闲置时可当IO口使用

22

OUTA

烧录引脚,闲置时可当IO口使用

23

PWMN

数字PWM输出(-),跟PWMP组合使用可直接驱动扬声器

24

VPD

PWM 电源输入脚

 

6、芯片电气参数

Symbol

Parameter

Min

Max

Type

Uint

VCC

工作电压

1.8

5.5

3.3

V

Iop

无负载电流

--

--

7

mA

Ta

工作温度

-20

75

--

Io

输出电流

-16

16

--

mA

 

7、芯片封装图

 

 

8、芯片功能详解

8.1 IO 口功能简介

1)RXD/TXD 标准串口通信、波特率 9600,配置见下图

2)13脚为播放状态 BUSY 指示,播放时为 H,不播放时为 L

3)MIC  麦克风正极输入端,可接常用的麦克风型号

4)PWMP/PWMN pwm 输出、可直接驱动 0.5W/8Ω 或 1W/8Ω 扬声器

 

串口配置图

 

8.2 指令格式

 

串口指令格式采用:起始码+参数+反码,设置如下表。

起始码

参数

反码

AA/BB

见下文

见下文

注:①参数+反码 = FF,例如 TX 输出的指令 “AA 01 FE” ,起始码为 AA ,参数为 01 ,反码为 FE,01+FE=FF,其他数据依此类推

②TX 输出指令起始码为 AA(见表 4),RX 输入指令起始码为 BB(见表5)

 

8.3 词条相关简介

MX9016B语音识别模块可以实现固定词汇,非特定人的语音识别。

固定词汇并非指词条永远无法改变,而是用户不可以自行更改,但开发者可以根据需求更换词条,之后将词条存储到 MX9016B-24QS 语音芯片里或是外挂的 SPI Flash 里,待识别时将会拿输入的语音与存储起来的词条语音作对比,若是两者相似度达到标准就认为是输入的语音与存储中的词条一致,即识别成功。

8.3.1 词条的存储容量

存储词条的地方有两处:语音芯片的内部、SPI Flash;两者本身的容量不同,所能存储的词条数量自然也不同。下面进行四字词条(即是每个词条四个字)的存储容量的对比

 

存储位置

存储词条数量

MX9016B-24S 语音芯片

12 条

SPI Flash

根据 Flash 自身容量决定

 

虽说 MX9016B-24QS 语音芯片内部可以存储 12 条左右的词条,但是存储的数量越多,运算的速率越低,识别的效果也会相对的差一点。

8.3.2 词条的存储方式

 

词条的存储方式主要有两种:

①一组存储

在词条的数量较少,并且都是同一类型,如都是表示颜色的词条,那可以选择放在同一组中,不用进行切换,更省时间。

②分组存储

若是词条的数量多,并且分类不一样,那可以选择分组存储,例如现在有三组不同类型的词条,分别是故事类,古诗类以及音乐类

故事类

古诗类

音乐类

 拔苗助长

望天门山

爱我中华

后羿射日

游山西村

光辉岁月

亡羊补牢

使至塞上

好久不见

守株待兔

过零丁洋

心如刀割

将词条分组存储,待需要进行古诗类词条时,则需先进入古诗类词组,那么我们需要一个入口。

 

8.3.3 词条的识别过程

词条的识别过程实际就是波形的识别。实际上,声音会产生波形,可见如下声音波形图。无论是人声,还是风扇的声音,都有波形,但是不同的人说同一句话,声音的波形都会有一点点的差别,就算是同一个人说同一句话,声音的波形也会有差别,因为音调,语速等等都可能发生细小的变化,从而影响声音波形。

因此,在设计的过程中,会设置一个门槛,若输入语音的波形与存储好的词条波形相似度高于这个门槛,则识别成功。而这个门槛的高低可以改动的(用户无法更改),门槛调高了,即相似度要更高,会更难识别,识别率降低;若门槛调低了,更容易识别,识别率增加,但是这也带来了一个问题-----误识别。

在吵杂的环境中,多种声音的波形叠加在一起,刚好与存储中的某一个词条的波形相似度超过门槛值,那么就会认为是存储中的词条,从而语音识别成功,这就引起了误识别,若设置的门槛越低,误识别率就越高。

所以说,识别率和误识别率是一致的,识别率升高,误识别率也会升高,这就需要根据场合,根据需求来设计识别率。当然,减低误识别率是有办法的,如在不需要识别的时候,让模块处于休眠状态,既可以省电,又可以降低误识别率。

8.3.4 词条的设计

 

识别率,除了与识别的门槛有关,还与词条的长短等有关,其关系见表 6。

 

词条与识别效果表

词条

识别效果

太短了,不好识别

开灯

识别效果一般

关灯

与其他词条相似,识别效果一般

小智,开灯

长度适中、相似度低,识别效果佳

我困了,请关灯

长度适中、相似度低,识别效果佳

因此,在更换词条时,应考虑词条的长度,各个词条间的相识度,尽量做到长度适中、相似度低。

 

由于页面限制,完整内容请点击文章右上下载按钮下载文件查看……


用手机扫描二维码关闭
二维码