基于 TI 的 OMAP™ 平臺(tái)為個(gè)人手持設(shè)備開發(fā)語(yǔ)音應(yīng)用

TI 的 OMAP™ 平臺(tái)為開發(fā)個(gè)人手持設(shè)備的語(yǔ)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(yǔ)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(yǔ)音引擎、語(yǔ)音應(yīng)用和多媒體等補(bǔ)充應(yīng)用。包括語(yǔ)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(guò)輕松、靈活添加語(yǔ)音應(yīng)用牢牢把握個(gè)人手持設(shè)備的增長(zhǎng)機(jī)遇。

語(yǔ)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(wú)線個(gè)人設(shè)備中增加高價(jià)值的功能帶來(lái)了難得的機(jī)會(huì)。今天的個(gè)人手持設(shè)備語(yǔ)音大多時(shí)候僅僅局限于語(yǔ)音撥號(hào)，但是已經(jīng)出現(xiàn)了適用于更廣泛開發(fā)語(yǔ)音識(shí)別和文本到語(yǔ)音應(yīng)用的技術(shù)。打算增加語(yǔ)音功能的開發(fā)商需要熟知語(yǔ)音技術(shù)的方方面面。這些問(wèn)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(guò)程并縮短上市時(shí)間。

利用語(yǔ)音應(yīng)用增值可帶來(lái)豐厚的潛在利益。根據(jù)各種市場(chǎng)研究公司的估計(jì)，未來(lái)兩年個(gè)人手持設(shè)備的綜合年增長(zhǎng)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(yǔ)音應(yīng)用敲開這個(gè)巨大的市場(chǎng)，開發(fā)商必須求助于能夠給他們帶來(lái)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(yǔ)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(yǔ)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(shuō)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(shuō)出來(lái)讓別人也聽到。

語(yǔ)音撥號(hào)是當(dāng)今個(gè)人無(wú)線設(shè)備中最常用的語(yǔ)音技術(shù)。語(yǔ)音撥號(hào)通常無(wú)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(yǔ)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(shuō)出電話號(hào)碼。如圖 1 所示，其他潛在的語(yǔ)音應(yīng)用包括：

• 語(yǔ)音電子郵件：包括瀏覽郵箱、利用語(yǔ)音輸入寫電子郵件以及收聽電子郵件的讀出。
  
• 信息檢索：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(guò)語(yǔ)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。"
  
• 個(gè)人信息管理：允許用戶通過(guò)語(yǔ)音指定預(yù)約、查看日歷、添加聯(lián)絡(luò)信息等等。
  
• 語(yǔ)音瀏覽：利用語(yǔ)音程序菜單，用戶可以在網(wǎng)上沖浪、添加語(yǔ)音收藏夾并收聽網(wǎng)頁(yè)內(nèi)容的讀出。
  
• 語(yǔ)音導(dǎo)航：在自動(dòng)和眼不夠用的條件下獲取導(dǎo)航的完全語(yǔ)音輸入/輸出駕駛系統(tǒng)。

圖 1：潛在的語(yǔ)音應(yīng)用

語(yǔ)音技術(shù)問(wèn)題

語(yǔ)音系統(tǒng)必須滿足某些基本使用要求。很顯然，語(yǔ)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(yǔ)音。何為自然可謂變化無(wú)常，包括從逐字發(fā)出的簡(jiǎn)單名字和指令、到說(shuō)出大量詞匯的連續(xù)語(yǔ)句。另外，各人的自然語(yǔ)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(shuō)話人說(shuō)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(yǔ)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(kù)。就基于服務(wù)器的應(yīng)用而言，無(wú)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(guò)放棄手持設(shè)備不必要的功能來(lái)降低系統(tǒng)要求。只識(shí)別少量詞語(yǔ)、分散語(yǔ)音的基于說(shuō)話人的系統(tǒng)會(huì)比識(shí)別大型詞庫(kù)、連續(xù)語(yǔ)音的基于說(shuō)話人的系統(tǒng)要求少很多的資源。對(duì)其他語(yǔ)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(shuō)話人依賴性、連續(xù)語(yǔ)音、詞庫(kù)規(guī)模和語(yǔ)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(yǔ)音技術(shù)中的性能降低，如：分布式語(yǔ)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(yǔ)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(guò)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(yǔ)音應(yīng)用的有限資源。

因此，為語(yǔ)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，不僅僅是在核心操作中，而且在處理內(nèi)存中也應(yīng)如此。應(yīng)該有足夠的 MIPS 來(lái)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(chǎng)。

OMAP 技術(shù)：卓越的語(yǔ)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(yǔ)音應(yīng)用提供卓越的解決方案。OMAP1510 和OMAP5910 處理器的雙核心架構(gòu)集成了高功效的 TMS320C55x™ 數(shù)字信號(hào)處理器 (DSP) 和高性能 ARM9 RISC 微處理器。因此，這些 OMAP 處理器可提供語(yǔ)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(wú)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(yǔ)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(chǎng)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(yǔ)音應(yīng)用。

雙核心硬件架構(gòu)

OMAP1510 和 OMAP5910 的雙核心硬件平臺(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 核心的結(jié)合給這些處理器提供了無(wú)與倫比的性能和功耗優(yōu)勢(shì)。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(yǔ)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)核心的內(nèi)存管理單元 (MMUs)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)核心或者從 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 192 Kbytes RAM、USB 1.1 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)。

圖2：采用 OMAP1510 處理器的簡(jiǎn)單配置

為 OMAP 平臺(tái)設(shè)計(jì)語(yǔ)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(yǔ)者驗(yàn)證等在內(nèi)的語(yǔ)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(chǎng)中都有自己獨(dú)到的優(yōu)勢(shì)，而且他們還可以把這些優(yōu)勢(shì)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)的雙核心架構(gòu)優(yōu)勢(shì)的、專門用于小詞庫(kù)以及小型語(yǔ)音識(shí)別等的語(yǔ)音識(shí)別軟件。TI 嵌入式語(yǔ)音識(shí)別器（TIESR）可提供如下功能：

• 與說(shuō)話人無(wú)關(guān)的指令以及控制功能
  
• 與說(shuō)話人無(wú)關(guān)的連續(xù)數(shù)字識(shí)別
  
• 與說(shuō)話人無(wú)關(guān)的連續(xù)語(yǔ)音識(shí)別
  
• 與說(shuō)話人有關(guān)的名稱撥號(hào)、指令以及控制
  
• 動(dòng)態(tài)語(yǔ)法和詞匯功能，可提高語(yǔ)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(shuō)話人適配功能

語(yǔ)音應(yīng)用示例

InfoPhone 是基于這種嵌入式架構(gòu)的語(yǔ)音應(yīng)用的一個(gè)典型示例，它由 TI 開發(fā)，專門用于無(wú)線領(lǐng)域。InfoPhone 是一個(gè)可實(shí)現(xiàn)語(yǔ)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(yǔ)音檢索。TI 為 InfoPhone 開發(fā)了三種原型的基于語(yǔ)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(yǔ)的詞庫(kù)，因?yàn)榫哂袆?dòng)態(tài)詞庫(kù)功能，系統(tǒng)可以在詞庫(kù)間完美切換。應(yīng)用設(shè)計(jì)使鍵盤輸入在說(shuō)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 4 說(shuō)明 InfoPhone 示例中的語(yǔ)音識(shí)別架構(gòu)。

圖 4：應(yīng)用架構(gòu)示例

開發(fā)支持

TI 的 OMAP 軟件和開發(fā)支持服務(wù)可幫助開發(fā)商快速向市場(chǎng)推出語(yǔ)音應(yīng)用。開發(fā)商可自行采用 TI 的包括 DSP／BIOS 實(shí)時(shí)操作系統(tǒng)(RTOS)、Code Composer Studio™ IDE、以及可確保現(xiàn)場(chǎng)軟件的模塊化開發(fā)的 TI 算法標(biāo)準(zhǔn)等在內(nèi)的 eXpressDSP™ 實(shí)時(shí) DSP 技術(shù)進(jìn)行 DSP 開發(fā)。用于 OMAP 平臺(tái)的 Code Composer Studio 在統(tǒng)一環(huán)境中集成了所有主機(jī)以及包括用于 ARM9 RISC 核心等在內(nèi)的目標(biāo)工具，以便實(shí)現(xiàn)輕松配置及優(yōu)化。為了進(jìn)一步簡(jiǎn)化開發(fā)過(guò)程，設(shè)計(jì)了OMAP 5910 和 OMAP1510 處理器的內(nèi)置處理器間通訊機(jī)制，可用來(lái)消除開發(fā)商獨(dú)立編程 RISC 以及 DSP 的需要，從而極大縮短編程時(shí)間并降低編程復(fù)雜性。

另外，TI 還為 OMAP 平臺(tái)開發(fā)了 Innovator™ 成套開發(fā)工具。創(chuàng)新開發(fā)工具包提供個(gè)人系統(tǒng)的硬件和關(guān)鍵軟件，以促進(jìn)在現(xiàn)實(shí)用戶條件下開發(fā)語(yǔ)音應(yīng)用。