AID.Speech是以Tengine-Lite为平台的嵌入式前端语音唤醒/打断算法，它可以在Arm Cortex-M4上流畅运行，适用于各种语音交互的IoT场景；包含，行业领先的语音识别算法；优秀的单麦本地语音解决方案 ，具体有语音降噪算法，语音活性检测算法，声学回声消除算法等。
▼▼▼
Tengine-Lite是专为MCU场景设计的超轻量级AI推理框架，提供有史以来最佳的MCU AI应用开发体验。
Tengine-Lite向上兼容Arm中国周易Tengine应用接口，支持Caffe/MXNet/TensorFlow模型，采用程序与模型分离的开发流程，支持常见RTOS操作系统和Bare-metal运行环境，支持Keil/IAR等主流开发环境，大幅度提高MCU AI应用开发效率。
同时为了满足超低成本的部署需求，Tengine-Lite采用纯C语言开发，最小程序体积20K。此外Tengine-Lite针对Arm Cortex-M CPU提供HCL-M计算库，支持FP32/INT8计算精度，兼容CMSIS-NN，同时支持调用DSP和AI硬件加速器进行异构计算，赋能MCU+AI加速器芯片。
同时AID.Speech提供友好、简洁、通用的API，可以快速部署到目标硬件平台，加速语音识别终端快速产品化落地；默认支持FreeRTOS/Zephyr操作系统，经过简单修改就适配其他操作系统；提供唤醒词的定制以及在特定产品上的效果调优服务。
语音识别需要经过声学回声消除、语音降噪、自动增益控制、声学特征提取、语音识别等多个步骤，通过使用Tengine-Lite/HCL-M大大提升了现有嵌入式SoC的算力，使得语音识别系统可部署在各类种嵌入式设备上，并提供超预期的识别用户体验。
AID.Speech产品特性
1 使用Tengine Lite，极快的识别速度；
2 针对于不同CPU指令集、微架构级别优化，以及DSP/NPU的异构计算支持；
3 识别本地化，支持完全离线工作模式；
4 基于深度学习算法，超小模型，对内存容量要求低；
5 抗噪声能力强；
6 支持FreeRTOS/Zephyr等多种RTOS系统；
AID.Speech采用多种语音前处理算法，在极大地抑制噪声的同时，适当地增强语音信号；采用回声消除算法，从输入语音中消除设备自身播放的影响，赋予设备全双工的能力。语音识别模型大小可以根据需要在50~350KB内自由选择，在保证误唤醒率<3次/天的条件下，识别率高达95%。
Cortex-M4上的性能数据
典型应用场景
联系客服
