原创 如何在嵌入式Linux上開發一個語音通信解決方案
開發一個語音通信解決方案是一個軟件項目。既然是軟件項目，就要有相應的計劃：有多少功能，安排多少軟件工程師去做，這些工程師在這一領域的經驗如何，是否需要培訓，要多長時間做完，中間有幾個主要的milestone等。我們曾經四個人花了近一年時間
2020-06-10 07:46:58
原创 webRTC中音頻相關的netEQ（二）：數據結構
上篇（webRTC中音頻相關的netEQ（一）:概述）是netEQ的概述，知道了它主要是用於解決網絡延時抖動丟包等問題提高語音質量的，也知道了它有兩大單元MCU和DSP組成。MCU 主要是把從網絡收到的語音RTP包放進packet buf
2020-06-10 07:46:58
原创 語音識別中喚醒技術調研
上篇博客（語音識別傳統方法(GMM+HMM+NGRAM)概述）說到我們team要做語音識別相關的項目，而我們公司的芯片是用在終端上的，即我們要做終端上的語音識別。由於目前終端（如手機）上的CPU還不足夠強勁，不能讓語音識別的各種算法跑在終
2020-06-10 07:46:58
原创 音頻處理之回聲消除及調試經驗
本文講的回聲（Echo）是指語音通信時產生的回聲，即打電話時自己講的話又從對方傳回來被自己聽到。回聲在固話和手機上都有，小時還可以忍受，大時嚴重影響溝通交流，它是影響語音質量的重要因素之一。可能有的朋友要問了，爲什麼我打電話時沒有聽見自己
2020-02-21 08:03:22
2
原创 音頻開發基礎知識簡介
在現實生活中，音頻（audio）主要用在兩大場景中：語音（voice）和音樂（music）。語音主要用於溝通通信，如打電話，現在由於語音識別的發展，人機語音交互也是語音的一個應用，目前正在風口上，好多大廠都推出了智能音箱。音樂主要用於欣賞
2020-02-21 08:03:22
3
原创 音頻的採集和播放
音頻的採集和播放主要由專門的codec芯片完成，主流的codec芯片廠商有Circus Logic、Wolfson等。採集時codec芯片通過A/D採樣把聲音的模擬信號轉換成數字信號並通過I2S總線送給CPU處理，播放時CPU把處理好的數
2020-02-21 08:03:22
原创 音頻軟件開發中的debug方法和工具
音頻軟件開發同其他軟件開發一樣，都需要去調試。音頻軟件調試同其他軟件調試方法有相同的地方，也有不同的地方，同時調試時還需要藉助一些專門的工具，有了這些方法和工具，就能快速的定位問題和解決問題。下面我們就談談這些方法和工具。 1，方法 1）
2020-02-21 08:03:22
1
原创 我們基於kaldi開發的嵌入式語音識別系統升級成深度學習啦
先前的文章《三個小白是如何在三個月內搭一個基於kaldi的嵌入式在線語音識別系統的 》說我們花了不到三個月的時間搭了一個基於kaldi的嵌入式語音識別系統，不過它是基於傳統的GMM-HMM的，是給我們練手用的，通過搭這個系統我們累積了一定
2020-02-21 08:03:22
1
原创 開篇
從事音頻軟件開發10+年，在不同的操作系統（linux/android/ios）下開發過多款產品，主要有通信設備、通信終端、無線音箱、音頻類APP等，涉及到音頻的多個模塊：音頻驅動、音頻前後處理、codec及其優化、音頻傳輸等。平時工作中
2020-02-21 08:03:22
原创 嵌入式音頻軟件的架構
嵌入式產品中語音通信和音樂播放的軟件架構是有差別的，這裏還是把這兩種case分開來講。 1， 語音通信 語音通信的軟件架構通常如下： 語音發送時由codec芯片採集到語音的模擬信號轉換成PCM數據然後通過I2S總線發送給CPU（這是音頻
2020-02-21 08:03:22
1
原创 機器學習中梯度下降法原理及用其解決線性迴歸問題的C語言實現
本文講梯度下降（Gradient Descent）前先看看利用梯度下降法進行監督學習（例如分類、迴歸等）的一般步驟： 1， 定義損失函數（Loss Function） 2， 信息流forward propagation，直到輸出端 3，
2019-10-25 18:21:36
原创 三個小白是如何在三個月內搭一個基於kaldi的嵌入式在線語音識別系統的
前面的博客裏說過最近幾個月我從傳統語音（語音通信）切到了智能語音（語音識別）。剛開始是學語音識別領域的基礎知識，學了後把自己學到的寫了PPT給組內同學做了presentation（語音識別傳統方法(GMM+HMM+NGRAM)概述）。一段
2019-09-09 17:46:35
原创 以kaldi中的yesno爲例談談transition
在基於GMM-HMM的傳統語音識別裏，比音素（phone）更小的單位是狀態（state）。一般每個音素由三個狀態組成，特殊的是靜音（SIL）由五個狀態組成。這裏所說的狀態就是指HMM裏的隱藏的狀態，而每幀數據就是指HMM裏的觀測值。每個狀
2019-08-13 17:27:52
3
原创 機器學習中K-means聚類算法原理及C語言實現
本人以前主要focus在傳統音頻的軟件開發，接觸到的算法主要是音頻信號處理相關的，如各種編解碼算法和回聲消除算法等。最近切到語音識別上，接觸到的算法就變成了各種機器學習算法，如GMM等。K-means作爲其中比較簡單的一種肯定是要好好掌握
2019-07-06 17:52:55
2
原创 基於WFST的語音識別解碼器
學習語音識別有些時間了。老闆要求我們基於Kaldi搭一個語音識別系統，在設備上通過MIC講話，連着設備的PC的console上就能基本實時顯示出講話的內容。由於我們都是小白，剛開始可以要求低些，就用傳統的GMM-HMM，能實現孤立詞識別就
2019-06-24 17:40:45