在語(yǔ)音識(shí)別技術(shù)的發(fā)展歷程中，云端方案曾經(jīng)占據(jù)主流：麥克風(fēng)采集聲音，數(shù)據(jù)上傳服務(wù)器，服務(wù)器返回識(shí)別結(jié)果，設(shè)備執(zhí)行指令。這條鏈路的問(wèn)題在于，每一個(gè)環(huán)節(jié)都存在不確定性——網(wǎng)絡(luò)延遲、服務(wù)器故障、流量費(fèi)用、數(shù)據(jù)隱私，任何一個(gè)都可能成為產(chǎn)品體驗(yàn)的瓶頸。

離線(xiàn)語(yǔ)音識(shí)別從根本上解決了這些問(wèn)題。WTK6900系列的全部識(shí)別運(yùn)算在芯片本地完成，不需要網(wǎng)絡(luò)連接，不產(chǎn)生流量費(fèi)用，識(shí)別延遲只取決于芯片本身的處理速度，響應(yīng)時(shí)間在毫秒級(jí)。本文系統(tǒng)梳理WTK6900系列實(shí)現(xiàn)本地離線(xiàn)識(shí)別的技術(shù)路徑。

離線(xiàn)識(shí)別的核心：算法與硬件的協(xié)同

WTK6900系列采用DNN-HMM算法作為語(yǔ)音識(shí)別的核心技術(shù)路線(xiàn)。DNN是深度神經(jīng)網(wǎng)絡(luò)，HMM是隱馬爾可夫模型，兩者的結(jié)合可以在有限的本地計(jì)算資源下實(shí)現(xiàn)相對(duì)高準(zhǔn)確率的語(yǔ)音識(shí)別。與純HMM方案相比，加入DNN后對(duì)說(shuō)話(huà)人的口音變化、語(yǔ)速差異的適應(yīng)能力明顯增強(qiáng)；與純DNN端到端方案相比，HMM的引入降低了對(duì)大規(guī)模訓(xùn)練數(shù)據(jù)和高算力的依賴(lài)，更適合嵌入式部署。

為了在嵌入式芯片上高效運(yùn)行神經(jīng)網(wǎng)絡(luò)，WTK6900FC和WTK6900HC等高端型號(hào)內(nèi)置了BNPU V3神經(jīng)網(wǎng)絡(luò)處理單元（Brain Neural Processing Unit），專(zhuān)門(mén)用于加速DNN、TDNN、RNN、CNN等網(wǎng)絡(luò)的矩陣運(yùn)算和并行矢量計(jì)算，將神經(jīng)網(wǎng)絡(luò)推理的計(jì)算壓力從通用CPU轉(zhuǎn)移到專(zhuān)用加速器，在保持高識(shí)別率的同時(shí)降低了主CPU的負(fù)載。

噪聲處理：讓識(shí)別在真實(shí)環(huán)境中可用

離線(xiàn)識(shí)別在實(shí)驗(yàn)室條件下的表現(xiàn)往往不代表真實(shí)使用場(chǎng)景的體驗(yàn)。廚房的油煙機(jī)噪聲、客廳的電視聲、空調(diào)的白噪聲，這些干擾會(huì)顯著降低識(shí)別準(zhǔn)確率。WTK6900系列內(nèi)置兩層降噪處理：

第一層是穩(wěn)態(tài)噪聲抑制。對(duì)于頻率和強(qiáng)度相對(duì)穩(wěn)定的背景噪聲，如空調(diào)運(yùn)行聲、風(fēng)扇聲，算法會(huì)建立噪聲基線(xiàn)模型并在頻域上進(jìn)行減法處理，從語(yǔ)音信號(hào)中剝離這類(lèi)噪聲成分。

第二層是動(dòng)態(tài)噪聲抑制。對(duì)于突發(fā)性、非周期性的噪聲，如關(guān)門(mén)聲、碰撞聲，算法通過(guò)對(duì)聲音事件的特征判斷，盡量減少對(duì)語(yǔ)音信號(hào)的誤判。

在實(shí)際測(cè)試中，WTK6900FC和WTK6900HC在安靜環(huán)境下的識(shí)別率可達(dá)98%，在有背景噪聲的環(huán)境下仍能維持較高識(shí)別率；WTK6900HA和WTK6900P的抗噪能力相對(duì)弱一些，更適合使用環(huán)境相對(duì)安靜的場(chǎng)景。

詞條體系：固化詞條與自學(xué)習(xí)詞條

WTK6900系列的命令詞可以分為兩類(lèi)：固化詞條和自學(xué)習(xí)詞條。

固化詞條是在出廠前通過(guò)唯創(chuàng)知音在線(xiàn)語(yǔ)音平臺(tái)制作工程時(shí)錄入的，芯片出貨后詞條不再變更。這類(lèi)詞條經(jīng)過(guò)充分的發(fā)音樣本訓(xùn)練，識(shí)別準(zhǔn)確率較高，適合大批量一致性要求高的場(chǎng)景。

自學(xué)習(xí)詞條是WTK6900FC款獨(dú)有的功能。用戶(hù)在使用過(guò)程中，可以通過(guò)特定操作流程，將自定義語(yǔ)音錄入芯片，芯片會(huì)在本地完成對(duì)該詞條的學(xué)習(xí)和存儲(chǔ)。FC款支持最多19條命令詞自學(xué)習(xí)和1條喚醒詞自學(xué)習(xí)。這一機(jī)制讓同一型號(hào)的芯片能夠服務(wù)于有個(gè)性化需求的用戶(hù)群體，在老年人群體和方言用戶(hù)群體中尤其有價(jià)值。

與主控的通信：標(biāo)準(zhǔn)UART接口

WTK6900系列（HD4除外）通過(guò)標(biāo)準(zhǔn)UART串口與主控MCU通信。芯片識(shí)別到命令詞后，實(shí)時(shí)通過(guò)TX引腳輸出數(shù)據(jù)幀，幀結(jié)構(gòu)包含命令詞編號(hào)等信息，主控解析后執(zhí)行對(duì)應(yīng)控制邏輯。這種接口方式的最大優(yōu)勢(shì)是通用性強(qiáng)，任何支持UART的主控平臺(tái)都可以接入，不需要特殊驅(qū)動(dòng)或協(xié)議適配。

UART通信速率最高支持3Mbps（WTK6900FC款），同時(shí)支持5V電平通信，與大多數(shù)單片機(jī)的IO電壓兼容，減少了電平轉(zhuǎn)換電路的需求。

OTA固件升級(jí)

WTK6900FC、WTK6900HC和WTK6900HA均支持OTA（Over The Air）固件升級(jí)。產(chǎn)品出貨后，如果需要更新詞條庫(kù)、修復(fù)問(wèn)題或添加新功能，可以通過(guò)網(wǎng)絡(luò)推送新固件，無(wú)需用戶(hù)送修或廠家召回。這一特性對(duì)于已大批量部署的產(chǎn)品來(lái)說(shuō)，是維護(hù)成本的重要降低因素。

WTK6900系列本地離線(xiàn)能力總結(jié)

本地離線(xiàn)語(yǔ)音識(shí)別的價(jià)值不僅僅是省去聯(lián)網(wǎng)費(fèi)用，更重要的是它在產(chǎn)品的整個(gè)生命周期內(nèi)提供了穩(wěn)定可控的用戶(hù)體驗(yàn)。網(wǎng)絡(luò)故障不影響使用，隱私數(shù)據(jù)不離開(kāi)設(shè)備，響應(yīng)速度不受服務(wù)器負(fù)載影響。這些特性正是WTK6900系列在智能硬件領(lǐng)域受到廣泛采用的根本原因。