基于TI的OMAP平臺(tái)手持設(shè)備語音應(yīng)用解決方案設(shè)計(jì)

OMAP平臺(tái)為開發(fā)個(gè)人手持設(shè)備的語音應(yīng)用提供完美的解決方案。這種低功耗的OMAP架構(gòu)把用于語音的DSP信號(hào)處理功能與RISC處理器的通用系統(tǒng)性能融合在了一起。設(shè)計(jì)了開放式軟件架構(gòu)，以鼓勵(lì)開發(fā)語音引擎、語音應(yīng)用和多媒體等補(bǔ)充應(yīng)用。包括語音識(shí)別器和原型應(yīng)用等開發(fā)支持，可幫助開發(fā)商快速建立其自己的產(chǎn)品并縮短產(chǎn)品上市時(shí)間。OMAP平臺(tái)可確保開發(fā)商能夠通過輕松、靈活添加語音應(yīng)用牢牢把握個(gè)人手持設(shè)備的增長機(jī)遇。

語音技術(shù)的應(yīng)用正在不斷增加，從而為應(yīng)用開發(fā)商在手持設(shè)備、移動(dòng)設(shè)備和無線個(gè)人設(shè)備中增加高價(jià)值的功能帶來了難得的機(jī)會(huì)。今天的個(gè)人手持設(shè)備語音大多時(shí)候僅僅局限于語音撥號(hào)，但是已經(jīng)出現(xiàn)了適用于更廣泛開發(fā)語音識(shí)別和文本到語音應(yīng)用的技術(shù)。打算增加語音功能的開發(fā)商需要熟知語音技術(shù)的方方面面。這些問題不但包括處理和內(nèi)存要求，而且還包括特定的平臺(tái)架構(gòu)和支持如何促進(jìn)開發(fā)過程并縮短上市時(shí)間。

利用語音應(yīng)用增值可帶來豐厚的潛在利益。根據(jù)各種市場研究公司的估計(jì)，未來兩年個(gè)人手持設(shè)備的綜合年增長率預(yù)計(jì)能達(dá)到 20％，到2004年全球的總設(shè)備交貨量將達(dá)到7億件。為了利用增值語音應(yīng)用敲開這個(gè)巨大的市場，開發(fā)商必須求助于能夠給他們帶來高性能、低功耗的底層技術(shù)以及能夠幫助他們迅速推出新產(chǎn)品的支持。

語音功能為用戶提供自然的輸入和輸出方式，它比其他形式的I/O更安全，尤其是當(dāng)用戶在開車期間。在大多應(yīng)用中，語音都是鍵盤和顯示器的理想補(bǔ)充，而并不是它們的替代品。例如，在非常嘈雜的環(huán)境中，聽和說可能都不現(xiàn)實(shí)，因此用戶可能就必須依賴鍵盤輸入和顯示閱讀。類似，用戶通常喜歡用鍵盤輸入某些東西，如：PIN號(hào)碼和密碼，而不愿意大聲說出來讓別人也聽到。

語音撥號(hào)是當(dāng)今個(gè)人無線設(shè)備中最常用的語音技術(shù)。語音撥號(hào)通常無需手和耳朵即可打電話，這是在開車時(shí)尤為重要的功能。語音撥號(hào)包括名字撥號(hào)，即按通訊簿上的名字打電話，另外還包括號(hào)碼撥號(hào)，即說出電話號(hào)碼。如圖1所示，其他潛在的語音應(yīng)用包括：

1．語音電子郵件?D?D 包括瀏覽郵箱、利用語音輸入寫電子郵件以及收聽電子郵件的讀出。
2．信息檢索?D?D股票價(jià)格、標(biāo)題新聞、航班信息、天氣預(yù)報(bào)等都可通過語音從互聯(lián)網(wǎng)收聽。例如，用戶不用先進(jìn)入某個(gè)網(wǎng)址并輸入股票名字或者瀏覽預(yù)定義的列表，便可以命令："我的股票報(bào)價(jià)，德州儀器。"
3．個(gè)人信息管理?D?D允許用戶通過語音指定預(yù)約、查看日歷、添加聯(lián)絡(luò)信息等等。
4．語音瀏覽?D?D利用語音程序菜單，用戶可以在網(wǎng)上沖浪、添加語音收藏夾并收聽網(wǎng)頁內(nèi)容的讀出。
5．語音導(dǎo)航?D?D在自動(dòng)和眼不夠用的條件下獲取導(dǎo)航的完全語音輸入/輸出駕駛系統(tǒng)。

語音技術(shù)問題

語音系統(tǒng)必須滿足某些基本使用要求。很顯然，語音輸出必須清晰，使用戶能夠聽懂。在給定應(yīng)用用途中，ASR還必須支持自然語音。何為自然可謂變化無常，包括從逐字發(fā)出的簡單名字和指令、到說出大量詞匯的連續(xù)語句。另外，各人的自然語音以及發(fā)音方式也不同，因此系統(tǒng)應(yīng)該能夠靈活接受不同說話人說話。識(shí)別引擎必須準(zhǔn)確，否則用戶不會(huì)使用這種技術(shù)。

語音的系統(tǒng)要求是需要進(jìn)行大量處理，有可能包含巨大的內(nèi)存，這取決于所支持的詞庫。就基于服務(wù)器的應(yīng)用而言，無線帶寬的使用會(huì)有所增加。這些因素也會(huì)影響其他系統(tǒng)考慮。應(yīng)用的MIPS和傳輸要求越高，給定系統(tǒng)的功耗就越高，因此會(huì)縮短電池壽命或?qū)е赂l繁的充電。當(dāng)應(yīng)用需要采用處理器外置存儲(chǔ)器時(shí)，響應(yīng)時(shí)間也有可能增加。

某些應(yīng)用權(quán)衡考慮有助于通過放棄手持設(shè)備不必要的功能來降低系統(tǒng)要求。只識(shí)別少量詞語、分散語音的基于說話人的系統(tǒng)會(huì)比識(shí)別大型詞庫、連續(xù)語音的基于說話人的系統(tǒng)要求少很多的資源。對(duì)其他語言的支持會(huì)增加處理要求并且使應(yīng)用所需要的內(nèi)存加倍?？乖胍艉涂垢蓴_性是重要的特性，但是會(huì)增加復(fù)雜性和內(nèi)存要求。

很顯然，開發(fā)商在增加說話人依賴性、連續(xù)語音、詞庫規(guī)模和語言支持等功能時(shí)希望盡可能少地降低基本應(yīng)用的性能。有某些選項(xiàng)有助于減少語音技術(shù)中的性能降低，如：分布式語音識(shí)別(DSR)。DSR把識(shí)別任務(wù)分割開，這樣手持設(shè)備可以把原始語音轉(zhuǎn)換成頻譜特性向量，同時(shí)服務(wù)器執(zhí)行識(shí)別過程。這種方法以及類似的分布式TTS方法依賴于處理方法和傳輸協(xié)議的標(biāo)準(zhǔn)化。盡管這些技術(shù)頗有前途，但是，開發(fā)商仍然面臨個(gè)人手持設(shè)備中語音應(yīng)用的有限資源。

因此，為語音等高性能應(yīng)用選擇適當(dāng)?shù)钠脚_(tái)與精心設(shè)計(jì)應(yīng)用的功能同樣重要。這種平臺(tái)必須具有強(qiáng)大的處理能力，同時(shí)可以實(shí)現(xiàn)高水平的功效，不僅僅是在內(nèi)核操作中，而且在處理內(nèi)存中也應(yīng)如此。應(yīng)該有足夠的MIPS來支持多媒體、安全和其他補(bǔ)充應(yīng)用。提供集成新算法能力的可編程性也很重要。最后，這種平臺(tái)必須包含為支持模塊化應(yīng)用開發(fā)所設(shè)計(jì)的軟件架構(gòu)，以幫助開發(fā)商快速把產(chǎn)品推向市場。

OMAP技術(shù)：卓越的語音平臺(tái)

TI的OMAP平臺(tái)為在個(gè)人手持設(shè)備中開發(fā)語音應(yīng)用提供卓越的解決方案。 OMAP1510和OMAP5910處理器的雙內(nèi)核架構(gòu)集成了高功效的TMS320C55x?數(shù)字信號(hào)處理器(DSP)和高性能ARM9RISC微處理器。因此，這些OMAP處理器可提供語音所需要的算術(shù)集中的信號(hào)處理能力，同時(shí)還可提供系統(tǒng)層操作所需要的通用性能。OMAP710處理器是高度集成的單芯片解決方案，帶有用于無線通訊處理的、基于DSP的GSM/GPRS基帶、以及可低功耗執(zhí)行多媒體應(yīng)用的專用TI增強(qiáng)ARM925處理器。 OMAP1510、OMAP5910和OMAP710處理器可支持基于低端ARM的語音應(yīng)用。它們還具有編碼兼容性，從而使開發(fā)商能夠把軟件應(yīng)用集成到針對(duì)不同市場的個(gè)人產(chǎn)品。OMAP1510和OMAP5910具有DSP處理能力，可處理更集中的語音應(yīng)用。

雙核硬件架構(gòu)

OMAP1510 和OMAP5910的雙核硬件平臺(tái)設(shè)計(jì)用于最大化系統(tǒng)性能和最小化功耗。在用于個(gè)人手持設(shè)備時(shí)，DSP和RISC內(nèi)核的結(jié)合給這些處理器提供了無與倫比的性能和功耗優(yōu)勢。RISC極其適合處理控制代碼，如：用戶界面、OS和高級(jí)應(yīng)用。另一方面，DSP更適合語音應(yīng)用所需要的實(shí)時(shí)信號(hào)處理功能。

如圖2所示，OMAP1510架構(gòu)包含用于兩個(gè)處理器的片上高速緩沖存儲(chǔ)器，可降低到外部存儲(chǔ)器的平均發(fā)送次數(shù)，同時(shí)消除不必要的外部存取的功耗。兩個(gè)內(nèi)核的內(nèi)存管理單元(MMU)提供虛擬物理內(nèi)存轉(zhuǎn)換。低功耗操作模式可保存不使用或者很少使用處理器期間的能力。

OMAP1510 架構(gòu)還包含兩個(gè)外部存儲(chǔ)器接口和單個(gè)內(nèi)存端口。這三個(gè)存儲(chǔ)器接口彼此完全獨(dú)立，可同時(shí)從任何一個(gè)內(nèi)核或者從DMA單元進(jìn)行存取。每個(gè)處理器都具有自己的外設(shè)接口，其不但支持到外圍設(shè)備的直接連接同時(shí)還支持從處理器DMA單元的DMA連接。定時(shí)器、通用I／O、UART及監(jiān)視定時(shí)器等在內(nèi)的片上外設(shè)以及彩色 LCD控制器均支持OS一般的要求。

OMAP5910架構(gòu)不但提供了片上系統(tǒng)功能同時(shí)還帶有諸如192KbytesRAM、USB1.1主機(jī)和客戶機(jī)、MMC／SD卡接口、多通道緩沖串口、實(shí)時(shí)時(shí)鐘、GPIO及UART、LCD接口、SPI、uWire及i2s等在內(nèi)的外圍設(shè)備。與 OMAP1510類似，OMAP5910也包含內(nèi)置的處理器間通訊機(jī)制，其提供與DSP連接的透明接口，以實(shí)現(xiàn)更輕松的代碼開發(fā)。

為OMAP平臺(tái)設(shè)計(jì)語音應(yīng)用

在OMAP 開發(fā)商網(wǎng)絡(luò)中，TI正與多家正在開發(fā)ASR、TTS、DSR和語者驗(yàn)證等在內(nèi)的語音技術(shù)的主要第三方開發(fā)商展開合作。這些公司在市場中都有自己獨(dú)到的優(yōu)勢，而且他們還可以把這些優(yōu)勢帶給OMAP用戶。同時(shí)，TI內(nèi)部開發(fā)了充分利用了OMAP平臺(tái)的雙內(nèi)核架構(gòu)優(yōu)勢的、專門用于小詞庫以及小型語音識(shí)別等的語音識(shí)別軟件。TI嵌入式語音識(shí)別器(TIESR)可提供如下功能：與說話人無關(guān)的指令以及控制功能與說話人無關(guān)的連續(xù)數(shù)字識(shí)別與說話人無關(guān)的連續(xù)語音識(shí)別與說話人有關(guān)的名稱撥號(hào)、指令以及控制動(dòng)態(tài)語法和詞匯功能，可提高語音瀏覽等應(yīng)用噪音環(huán)境中的抗擾性用于增強(qiáng)性能的可選說話人適配功能。[next]

語音應(yīng)用示例

InfoPhone 是基于這種嵌入式架構(gòu)的語音應(yīng)用的一個(gè)典型示例，它由TI開發(fā)，專門用于無線領(lǐng)域。InfoPhone是一個(gè)可實(shí)現(xiàn)語音功能的Java應(yīng)用程序，同時(shí)它還可實(shí)現(xiàn)有用信息的語音檢索。TI為InfoPhone開發(fā)了三種原型的基于語音的信息服務(wù)，諸如為用戶提供股票報(bào)價(jià)、航班信息和天氣預(yù)報(bào)。每種服務(wù)都包含 50個(gè)詞語的詞庫，因?yàn)榫哂袆?dòng)態(tài)詞庫功能，系統(tǒng)可以在詞庫間完美切換。應(yīng)用設(shè)計(jì)使鍵盤輸入在說話期間一直保持有效狀態(tài)，從而在環(huán)境中斷或者用戶需要進(jìn)行私密輸入時(shí)提供靈活性。圖3說明InfoPhone示例中的語音識(shí)別架構(gòu)。

雙核硬件架構(gòu)

OMAP1510 和OMAP5910的雙核硬件平臺(tái)設(shè)計(jì)用于最大化系統(tǒng)性能和最小化功耗。在用于個(gè)人手持設(shè)備時(shí)，DSP和RISC內(nèi)核的結(jié)合給這些處理器提供了無與倫比的性能和功耗優(yōu)勢。RISC極其適合處理控制代碼，如：用戶界面、OS和高級(jí)應(yīng)用。另一方面，DSP更適合語音應(yīng)用所需要的實(shí)時(shí)信號(hào)處理功能。

如圖2所示，OMAP1510架構(gòu)包含用于兩個(gè)處理器的片上高速緩沖存儲(chǔ)器，可降低到外部存儲(chǔ)器的平均發(fā)送次數(shù)，同時(shí)消除不必要的外部存取的功耗。兩個(gè)內(nèi)核的內(nèi)存管理單元(MMU)提供虛擬物理內(nèi)存轉(zhuǎn)換。低功耗操作模式可保存不使用或者很少使用處理器期間的能力。

OMAP1510 架構(gòu)還包含兩個(gè)外部存儲(chǔ)器接口和單個(gè)內(nèi)存端口。這三個(gè)存儲(chǔ)器接口彼此完全獨(dú)立，可同時(shí)從任何一個(gè)內(nèi)核或者從DMA單元進(jìn)行存取。每個(gè)處理器都具有自己的外設(shè)接口，其不但支持到外圍設(shè)備的直接連接同時(shí)還支持從處理器DMA單元的DMA連接。定時(shí)器、通用I／O、UART及監(jiān)視定時(shí)器等在內(nèi)的片上外設(shè)以及彩色 LCD控制器均支持OS一般的要求。

OMAP5910架構(gòu)不但提供了片上系統(tǒng)功能同時(shí)還帶有諸如192KbytesRAM、USB1.1主機(jī)和客戶機(jī)、MMC／SD卡接口、多通道緩沖串口、實(shí)時(shí)時(shí)鐘、GPIO及UART、LCD接口、SPI、uWire及i2s等在內(nèi)的外圍設(shè)備。與 OMAP1510類似，OMAP5910也包含內(nèi)置的處理器間通訊機(jī)制，其提供與DSP連接的透明接口，以實(shí)現(xiàn)更輕松的代碼開發(fā)。

為OMAP平臺(tái)設(shè)計(jì)語音應(yīng)用

在OMAP 開發(fā)商網(wǎng)絡(luò)中，TI正與多家正在開發(fā)ASR、TTS、DSR和語者驗(yàn)證等在內(nèi)的語音技術(shù)的主要第三方開發(fā)商展開合作。這些公司在市場中都有自己獨(dú)到的優(yōu)勢，而且他們還可以把這些優(yōu)勢帶給OMAP用戶。同時(shí)，TI內(nèi)部開發(fā)了充分利用了OMAP平臺(tái)的雙內(nèi)核架構(gòu)優(yōu)勢的、專門用于小詞庫以及小型語音識(shí)別等的語音識(shí)別軟件。TI嵌入式語音識(shí)別器(TIESR)可提供如下功能：與說話人無關(guān)的指令以及控制功能與說話人無關(guān)的連續(xù)數(shù)字識(shí)別與說話人無關(guān)的連續(xù)語音識(shí)別與說話人有關(guān)的名稱撥號(hào)、指令以及控制動(dòng)態(tài)語法和詞匯功能，可提高語音瀏覽等應(yīng)用噪音環(huán)境中的抗擾性用于增強(qiáng)性能的可選說話人適配功能。

語音應(yīng)用示例

InfoPhone 是基于這種嵌入式架構(gòu)的語音應(yīng)用的一個(gè)典型示例，它由TI開發(fā)，專門用于無線領(lǐng)域。InfoPhone是一個(gè)可實(shí)現(xiàn)語音功能的Java應(yīng)用程序，同時(shí)它還可實(shí)現(xiàn)有用信息的語音檢索。TI為InfoPhone開發(fā)了三種原型的基于語音的信息服務(wù)，諸如為用戶提供股票報(bào)價(jià)、航班信息和天氣預(yù)報(bào)。每種服務(wù)都包含 50個(gè)詞語的詞庫，因?yàn)榫哂袆?dòng)態(tài)詞庫功能，系統(tǒng)可以在詞庫間完美切換。應(yīng)用設(shè)計(jì)使鍵盤輸入在說話期間一直保持有效狀態(tài)，從而在環(huán)境中斷或者用戶需要進(jìn)行私密輸入時(shí)提供靈活性。圖3說明InfoPhone示例中的語音識(shí)別架構(gòu)。