基于 TI 的 OMAP™ 平臺為個人手持設(shè)備開發(fā)語音應(yīng)用

TI 的 OMAP™ 平臺為開發(fā)個人手持設(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)計了開放式軟件架構(gòu)，以鼓勵開發(fā)語音引擎、語音應(yīng)用和多媒體等補充應(yīng)用。包括語音識別器和原型應(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)品上市時間。OMAP 平臺可確保開發(fā)商能夠通過輕松、靈活添加語音應(yīng)用牢牢把握個人手持設(shè)備的增長機遇。

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、移動設(shè)備和無線個人設(shè)備中增加高價值的功能帶來了難得的機會。今天的個人手持設(shè)備語音大多時候僅僅局限于語音撥號，但是已經(jīng)出現(xiàn)了適用于更廣泛開發(fā)語音識別和文本到語音應(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架構(gòu)和支持如何促進開發(fā)過程并縮短上市時間。

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，未來兩年個人手持設(shè)備的綜合年增長率預(yù)計能達到 20％，到 2004 年全球的總設(shè)備交貨量將達到 7 億件。為了利用增值語音應(yīng)用敲開這個巨大的市場，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，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 號碼和密碼，而不愿意大聲說出來讓別人也聽到。

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

• 語音電子郵件：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。
  
• 信息檢索：股票價格、標題新聞、航班信息、天氣預(yù)報等都可通過語音從互聯(lián)網(wǎng)收聽。例如，用戶不用先進入某個網(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："我的股票報價，德州儀器。"
  
• 個人信息管理：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。
  
• 語音瀏覽：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。
  
• 語音導(dǎo)航：在自動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)。

圖 1：潛在的語音應(yīng)用

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。識別引擎必須準確，否則用戶不會使用這種技術(shù)。

語音的系統(tǒng)要求是需要進行大量處理，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，無線帶寬的使用會有所增加。這些因素也會影響其他系統(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器時，響應(yīng)時間也有可能增加。

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。只識別少量詞語、分散語音的基于說話人的系統(tǒng)會比識別大型詞庫、連續(xù)語音的基于說話人的系統(tǒng)要求少很多的資源。對其他語言的支持會增加處理要求并且使應(yīng)用所需要的內(nèi)存加倍。抗噪音和抗干擾性是重要的特性，但是會增加復(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希望盡可能少地降低基本應(yīng)用的性能。有某些選項有助于減少語音技術(shù)中的性能降低，如：分布式語音識別(DSR)。DSR 把識別任務(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，同時服務(wù)器執(zhí)行識別過程。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)議的標準化。盡管這些技術(shù)頗有前途，但是，開發(fā)商仍然面臨個人手持設(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_與精心設(shè)計應(yīng)用的功能同樣重要。這種平臺必須具有強大的處理能力，同時可以實現(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 來支持多媒體、安全和其他補充應(yīng)用。提供集成新算法能力的可編程性也很重要。最后，這種平臺必須包含為支持模塊化應(yīng)用開發(fā)所設(shè)計的軟件架構(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

TI 的 OMAP 平臺為在個人手持設(shè)備中開發(fā)語音應(yīng)用提供卓越的解決方案。OMAP1510 和OMAP5910 處理器的雙核心架構(gòu)集成了高功效的 TMS320C55x™ 數(shù)字信號處理器 (DSP) 和高性能 ARM9 RISC 微處理器。因此，這些 OMAP 處理器可提供語音所需要的算術(shù)集中的信號處理能力，同時還可提供系統(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 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)用集成到針對不同市場的個人產(chǎn)品。OMAP1510 和 OMAP5910 具有 DSP 處理能力，可處理更集中的語音應(yīng)用。

雙核心硬件架構(gòu)

OMAP1510 和 OMAP5910 的雙核心硬件平臺設(shè)計用于最大化系統(tǒng)性能和最小化功耗。在用于個人手持設(shè)備時，DSP 和 RISC 核心的結(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 和高級應(yīng)用。另一方面，DSP 更適合語音應(yīng)用所需要的實時信號處理功能。

如圖 2 所示，OMAP1510 架構(gòu)包含用于兩個處理器的片上高速緩沖存儲器，可降低到外部存儲器的平均發(fā)送次數(shù)，同時消除不必要的外部存取的功耗。兩個核心的內(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)還包含兩個外部存儲器接口和單個內(nèi)存端口。這三個存儲器接口彼此完全獨立，可同時從任何一個核心或者從 DMA 單元進行存取。每個處理器都具有自己的外設(shè)接口，其不但支持到外圍設(shè)備的直接連接同時還支持從處理器 DMA 單元的 DMA 連接。定時器、通用 I／O、UART 及監(jiān)視定時器等在內(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)功能同時還帶有諸如 192 Kbytes RAM、USB 1.1 主機和客戶機、MMC／SD卡接口、多通道緩沖串口、實時時鐘、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制，其提供與 DSP 連接的透明接口，以實現(xiàn)更輕松的代碼開發(fā)。

圖2：采用 OMAP1510 處理器的簡單配置

為 OMAP 平臺設(shè)計語音應(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，TI 內(nèi)部開發(fā)了充分利用了 OMAP 平臺的雙核心架構(gòu)優(yōu)勢的、專門用于小詞庫以及小型語音識別等的語音識別軟件。TI 嵌入式語音識別器（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)字識別
  
• 與說話人無關(guān)的連續(xù)語音識別
  
• 與說話人有關(guān)的名稱撥號、指令以及控制
  
• 動態(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)用的一個典型示例，它由 TI 開發(fā)，專門用于無線領(lǐng)域。InfoPhone 是一個可實現(xiàn)語音功能的 Java 應(yīng)用程序，同時它還可實現(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價、航班信息和天氣預(yù)報。每種服務(wù)都包含 50 個詞語的詞庫，因為具有動態(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行私密輸入時提供靈活性。圖 4 說明 InfoPhone 示例中的語音識別架構(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)商快速向市場推出語音應(yīng)用。開發(fā)商可自行采用 TI 的包括 DSP／BIOS 實時操作系統(tǒng)(RTOS)、Code Composer Studio™ IDE、以及可確?，F(xiàn)場軟件的模塊化開發(fā)的 TI 算法標準等在內(nèi)的 eXpressDSP™ 實時 DSP 技術(shù)進行 DSP 開發(fā)。用于 OMAP 平臺的 Code Composer Studio 在統(tǒng)一環(huán)境中集成了所有主機以及包括用于 ARM9 RISC 核心等在內(nèi)的目標工具，以便實現(xiàn)輕松配置及優(yōu)化。為了進一步簡化開發(fā)過程，設(shè)計了OMAP 5910 和 OMAP1510 處理器的內(nèi)置處理器間通訊機制，可用來消除開發(fā)商獨立編程 RISC 以及 DSP 的需要，從而極大縮短編程時間并降低編程復(fù)雜性。

另外，TI 還為 OMAP 平臺開發(fā)了 Innovator™ 成套開發(fā)工具。創(chuàng)新開發(fā)工具包提供個人系統(tǒng)的硬件和關(guān)鍵軟件，以促進在現(xiàn)實用戶條件下開發(fā)語音應(yīng)用。