硬件开发——语音模块开发 （包含语音识别模块代码等资料包 ）

已于 2022-05-01 13:09:38 修改
阅读量1.7w 收藏 123
点赞数 14
分类专栏： 硬件开发 文章标签： 物联网 arm 单片机 语音识别
于 2022-04-27 17:13:53 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_44278698/article/details/124451235
版权

一、语音模块以及硬件模块开发的行情

硬件模块的开发——常用：语音模块

语音模块STC11L08XE

比如

  • 人脸识别打卡器——虹膜识别（购买方式）
  • 语音识别（购买方式）
  • 车牌识别（购买方式）
  • 华为手机（购买方式）

拿到硬件开发，首先要资料
在这里插入图片描述

一、语音识别模块参数

在这里插入图片描述

  • 型号：YS-LDV7
  • 名称：一体化语音识别模块
  • 规格：43*29.7MM
  • 供电电压：5V （内部工作电压 3.3V）
  • 待机电流：30MA
  • 识别时电流：45MA
  • IO 口输出：高电平为 3.3V
  • 通信方式：串口通信（5V TTL 电平，不可直接接 RS232、RS485）
  • 单片机参数：型号 –>STC11L08XE 、flash–>8k、SRAM–>1280、eeprom–>32k
  • 识别词条个数：50句
  • 工作温度：-20 至 60℃

单片机参数：STC11L08XE
在这里插入图片描述

二、模块结构介绍

本模块实际原理为 1 片 STC11 单片机+1 片 LD3320 组合形成的一款语音识别模块，语音识别部分已写好驱动程序，用于只需要对 STC 单片机进行编程加入自己的识别语句和控制程序即可，语音识别部分无需理会和做编程处理。
本模块具备 1 个 5V TTL 串口和 16 个单片机 IO 口的引出，可与外部单片机进行通 信交互信息亦可控制继电器等设备。

在这里插入图片描述

三、串口连接图

本模块的串口如下图所示，从下至上的 5 根针分别为 GND、RXD、TXD、 5V、3.3V，其中 RXD 和 TXD 为实际内部单片机的串口接收和发射端口，故与 外部串口设备连接时要注意 RXD 接 TXD 的交叉接法。3.3V 的口为输出口， 可用于外部设备的供电利用，一般未用上直接忽略不用即可。
下图为 USB 转 TTL 与语音模块的连接方法，如与其他单片机 或者其他设备的连接时注意串口电平需要为 5V，与语音模块电平一致，如电平不一致可加入串口电平转换模块否则将导致通信异常甚至损坏设备端口。
在这里插入图片描述

四、验货测试方法

本模块在出厂前已经下载了口令模式版本的程序，收到货后可进行初步的测试。
口令模式需要先按一级口令，识别成功后才能继续喊二级口令以此循环。
内部默认的口令如下：
一级口令：小杰
二级口令：代码测试

  • 开发板验证

  • 开灯

  • 关灯

  • 北京

  • 上海

  • 广州

详细测试流程如下：

  1. 首先在电脑上安装“USB 转 TTL 驱动”
  2. 根据以上串口连接图将 USB 转 TTL 模块与语音模块连接好
  3. 插入电脑 USB 口（注意不要加 USB 延长线直接插到主机的 USB 口）
  4. 打开“STC-ISP 下载软件”里面的串口助手
  5. 根据下图选择好各个选项：其中串口号可通关查看–我的电脑–设备管理器–端口）

在这里插入图片描述
（另外我们打开软件串口后，我们可以拔下 GND 再把 GND 插上，这样重新上电可以看到接收串口会打印出相关的识别口令。）

  1. 以上步骤都准备好后，我们距离模块的麦克风 50cm 左右，以正常的发音速度和音量进行识别，
  2. 第一句喊口令为：小杰 如识别正确，则模块 D1 指示灯将亮起，软件也将输出”收到”二字。
  3. 如没有 任何反应可以尝试再次发音，注意手不要碰到模块的线路。可以夹 住板边

最强代码阅读器sourceInsight工具

二、语音识别模块代码分析

语音识别模块资料包
链接：https://pan.baidu.com/s/1xkwbDIDrUeOck4Q6E4bC2w
提取码：jkdj

我们要想让语音模块识别我们想要的命令，就要改变固件代码。或者AT指令

总结主函数

void ExtInt0Handler(void) interrupt 0 中断处理函数
	当LD3320识别成功后，会引发IO口中断
	nAsrRes = LD_GetResult();		/*获取结果*/
	User_handle(nAsrRes);//用户执行函数 


main{
	Led_test(); 开机闪灯3次
	MCU_init(); 单片机本身初始化，开启中断
	LD_Reset(); ld3320初始化
	UartIni(); /*串口初始化*/
}
	while(1){
		RunASR()； 启动识别
			LD_AsrStart();
				LD_Init_ASR();厂家提供的启动时序代码
		LD_AsrAddFixed()； 向LD模块添加关键词
		LD_AsrRun()；  	运行ASR 启动ASR运算(“开始识别”)
			ProcessInt0();  判断识别是否有结果
	}

1. LD_AsrAddFixed()； 向LD模块添加关键词 在LDchip.c

2. 识别出结果后，把数据从语音模块发出来！void 	User_handle(uint8 dat)  main

修改代码

1.修改 LD_AsrAddFixed()； 向LD模块添加关键词 在LDchip.c
在这里插入图片描述
在这里插入图片描述
2. 修改 识别出结果后，把数据从语音模块发出来！void User_handle(uint8 dat) 在main.c里
在这里插入图片描述
然后编译成功，我们插入模块，打开STC进行烧录代码，（记得烧录时候，拔开GND，在插入，重新上电），打开串口助手，进行测试。
在这里插入图片描述

Refuel.CONG
关注
  • 14
    点赞
  • 踩
  • 123
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
基于单片机的龙丘版语音识别系统(开发板资料+源代码).zip
06-19
基于单片机的龙丘版语音识别系统(开发板资料+源代码).zip
ASRPRO语音识别模块
qq_39239990的博客
10-22 7109
* 宏定义 --------------------------------------------------------------------*//* 宏定义 --------------------------------------------------------------------*//* 宏定义 --------------------------------------------------------------------*/
常见离线语音识别模块功能说明——天问ASR；机芯智能；海凌科；轻语音
最新发布
Dunkle.T的博客
08-01 917
天文ASR有着最灵活的开发方式，可完全按照程序员意愿进行开发，同时有大量案例；机芯智能使用网页配置进行开发，参数配置完善（可进行串口控制及数值输入播报），所有模块均可使用；海凌科使用网页配置进行开发，仅支持GPIO高低电平控制，与串口数据发送，无法进行数值播报，仅HLK-V20；HLK-V40Y；HLK-W800可用（官方支持定制，3-7天）轻语音未知（大概率定制）a. 低功耗语音识别模组b. 具备强劲的回声消除和环境噪声抑制能力c. 长宽为 18x23mmd. 工作电压为 3.6V-5V。
STM32F103C8T6＋LD3320语音识别模块智能灯控
一个在校嵌入式小白
11-22 2万+
STM32F103C8T6＋LD3320语音识别模块智能灯控，详细讲解，简单明了
ESP32+语音识别模块（LD3320）+语音合成模块（SYN6288）
weixin_48166795的博客
03-20 1629
SYN6288.h（可以自己找厂家拿合成器，合成自己想要的）注意：编译的时候要断开开发板和SYN6288的连接。ESP32与语音识别模块LD3320的接线方式。语音合成模块（SYN6288）是这款。语音识别模块（LD3320）是这款。
AI智能语音识别模块（二）——基于Arduino的语音控制MP3播放器
优信电子的博客
10-31 3735
在前面一篇文章里我们对AI智能语音识别模块进行了介绍，并对离线语音模组下载固件的过程进行了一个简单描述，不知道大家还记不记得，这篇文章也是鸽了好久，，本文将用这个语音控制模块结合前面介绍的DFPlayer Mini MP3模块来做一个有趣的应用，在上一期文章中，我们只是简单的做了一个只用语音控制模块点亮LED的应用，本期将结合Arduino开发板、DFPlayer Mini MP3模块来实现对音乐的控制，并在OLED屏幕显示基本的控制信息。
AI智能语音识别模块（一）——离线模组介绍
优信电子的博客
08-28 2601
这是一款低成本，低功耗，小体积的高性价比离线语音识别开发板。能快速学习、验证离线语音控制各种外设，如继电器、LED灯，PWM调光等。板载了Micro USB接口，CH340NUSB转串口芯片，高灵敏度咪头，8欧1w喇叭和拨动开关。插上USB线就能通过串口烧录程序。简单方便，是学习测试离线语音模块的好帮手。本开发板引出语音模组的所有10口，体积小巧，排针兼容面包板设计，可直接插于面包板上。该离线语音模块使用的是SU-03T语音识别模组。其功能框图如下所示。
基于51单片机+LD3320语音模块+SYN6288语音合成——语音识别智能分类垃圾桶
热门推荐
weixin_47457689的博客
05-13 5万+
语音识别智能分类垃圾桶基本介绍器件51单片机LD3320语音模块SYN6288语音合成SG90舵机（4个）usb-ttl模块垃圾桶四个（4个）面包板（建议用）实现思路与接线实现流程图接线呈现图代码编写语音模块（部分代码）语音模块串口调试结果51单片机代码（部分代码 ）项目展示 基本介绍 这个一个基于51单片机做的一个语音识别分类智能垃圾桶，通过我们说话来对垃圾词语进行分类。比如：垃圾桶（一级指令）易拉罐（垃圾词语），我们通过说话 说出关键字 让语音模块 接收到 —— 语音模块通过串口发指令给51单片机，针对
【花雕动手做】ASRPRO-Plus语音识别（03）---板载硬件模块和12项综合应用功能
雕爷学编程
10-22 3177
2、离线语音识别模块：搭载ASRPRO核心板，内置脑神经网络处理器，支持DNN、TDNN、RNN等神经网络及卷积运算硬件运算，非软件运算，支持语音识别、声纹识别、语音增强、语音检测等功能。4、更新和维护：随着技术的不断发展和用户需求的变化，可能需要更新屏幕固件或更换更先进的屏幕，开发者应定期检查更新并采取必要的维护措施，以确保设备的正常运行和使用效果。1、语音增强：ASRPRO-Plus采用一系列先进的数字信号处理技术，对输入的语音信号进行降噪、回声消除、增益控制等处理，以提高语音信号的清晰度和可懂度。
arduino+SNR8051离线语音识别 的小制作
qq_45628620的博客
01-10 4197
前言 该方案可以低沉本快速制作小作品，本身是用来水期末arduino课程设计????（竟然放在考试周），一个下午做了一个语音控制灯光亮灭、亮度和风扇开关的小作品。技术含量不高，单纯是为了水课程设计和练习练习焊接。 该小制作由于时间仓促，现有功能极其有限，可以根据自己需要进行魔改。语音模块SNY8015唯一的好处就是便宜，但是自个修改内部程序较为复杂（在没有购买专用下载器的情况下，下载器价格昂贵），个人还是推荐用LD3320做比较好，毕竟可操作性比较强。很容易做的。 器材 arduino nano核心板 9
2024最新版本~SU-03T 语音识别模块保姆级教学（模块介绍，固件生成）
摸鱼专家
01-25 3181
2024最新版本~SU-03T 语音识别模块保姆级教学（模块介绍，固件生成）
LD3320语音识别完整资料（PCB、原理图、程序）.zip
12-16
本资料包——"LD3320语音识别完整资料（PCB、原理图、程序）.zip"，为我们提供了一个基于LD3320语音识别芯片的完整解决方案，涵盖了硬件设计、软件开发等多个方面，为开发者提供了一套快速实现语音识别功能的参考...
基于单片机的龙丘版语音识别系统（开发板资料+源代码）.zip
06-19
龙丘版语音识别系统是基于单片机实现的一种智能识别系统，主要由硬件开发板、语音模块、语音芯片和相应的软件环境组成。它能够对输入的语音信号进行处理，识别出预设的指令或词汇，从而实现语音控制的功能。 2. **...
基于Arduino的语音识别垃圾箱.rar
12-10
【基于Arduino的语音识别垃圾箱】是一个创新的项目，它结合了硬件和软件技术，将普通的垃圾桶升级为能够通过语音命令进行操作的智能设备。这个项目的核心是利用Arduino微控制器平台，这是一种开源电子原型平台，适合...
基于stm32的智能语音垃圾桶
03-28
《基于STM32的智能语音垃圾桶技术解析》 ...通过深入理解并实践该项目，我们可以更好地掌握STM32的开发技巧，以及如何利用语音识别模块和舵机实现智能控制，从而在物联网和智能家居领域开辟新的应用领域。
AI智能语音识别模块（SU-03T）
innovation_jorge的博客
03-08 2472
AI智能语音识别模块（SU-03T）
市面上常用的语音识别模块主要包含哪些组件？
q6q6q的专栏
10-27 3463
原标题：市面上常用的语音识别模块主要包含哪些组件？语音识别模块又被称为语音识别系统，通俗点说具有识别功能的语音芯片组块，它广泛应用于各行各业，高品质经久耐用的语音模块在赋予电子产品智能化的同时最大限度的为人们提供方便的服务。那么，市面上常用的语音识别模块包含哪些组件？！今天一起和九芯电子小编了解一下。 1、功放模块为了能够听到更好的语音我们需要功放模块的帮助，语音模块除了可以收集各种各样的语音外还...
STM32传感器外设集--语音识别模块（LD3320）
herui_2的博客
04-10 1万+
LD3320是一款由icroute公司生产的语音识别芯片。它具有高性能的语音识别能力，可以广泛应用于各种智能控制、语音交互等场景。以下是关于LD3320语音识别模块的详细介绍：1. 基本原理：LD3320语音识别模块通过识别预先内置的指令来实现对语音的控制。它的工作模式主要有三种：普通模式、按键模式和口令模式。在口令模式下，设备需要一级唤醒词（口令）来启动ASR进程，从而避免误动作。
基于单片机的简易语音控制系统（论文+源码）
10-27 512
在软件上，采用KEIL平台和C语言进行程序的编写，同时为了防止误触发，系统设置了两级语音密码，需要先说“小度”这条语音，再说相应的信息，系统才会进行下一步动作。本次基于LD3320语音芯片的简易语音控制系统设计中，整体系统结构如图2.1所示，主要的实现目标是：当用户语音说出“开灯”，“关灯”，“好热啊”等语音信息时，系统可以根据检测到的语音信息进行判断，并根据信息作出开灯，开风扇等相应的操作，同时还将检测的环境的温度进行实时显示。
深度神经网络——中文语音识别 代码实现
05-13
中文语音识别是一个复杂的任务，需要大量的数据和计算资源。以下是一个示例代码，用于演示如何使用深度神经网络进行中文语音识别。 首先，我们需要导入必要的库和数据集。在这里，我们使用了 THCHS-30 数据集，该数据集包含了大约 10 小时的中文语音数据。 ```python import os import numpy as np import tensorflow as tf from tensorflow.keras.models import Sequential from tensorflow.keras.layers import Dense, Dropout, LSTM, TimeDistributed, Activation, Bidirectional, BatchNormalization from tensorflow.keras.callbacks import ModelCheckpoint from tensorflow.keras.utils import to_categorical from python_speech_features import mfcc from tqdm import tqdm # Load THCHS-30 dataset def load_data(): data = [] labels = [] label_map = {} mfcc_feature_len = 13 with open('data/thchs30/data' + os.sep + 'data' + os.sep + 'train' + os.sep + 'train.wav.lst', 'r') as f: lines = f.readlines() for line in tqdm(lines): parts = line.strip().split() wav_file = 'data/thchs30/data' + os.sep + 'train' + os.sep + parts[0] + '.wav' label_file = 'data/thchs30/data' + os.sep + 'train' + os.sep + parts[0] + '.trn' with open(label_file, 'r') as f2: label = f2.read().strip() if label not in label_map: label_map[label] = len(label_map) labels.append(label_map[label]) signal, rate = tf.audio.decode_wav(tf.io.read_file(wav_file)) signal = tf.squeeze(signal, axis=-1) mfcc_features = mfcc(signal.numpy(), rate.numpy(), numcep=mfcc_feature_len) data.append(mfcc_features) return np.array(data), np.array(labels), label_map # Load data data, labels, label_map = load_data() num_labels = len(label_map) ``` 接下来，我们需要将数据集分成训练集和测试集，并将标签转换为 one-hot 编码。 ```python train_ratio = 0.8 num_train = int(len(data) * train_ratio) # Split data into train and test sets train_data = data[:num_train] train_labels = labels[:num_train] test_data = data[num_train:] test_labels = labels[num_train:] # Convert labels to one-hot encoding train_labels = to_categorical(train_labels, num_labels) test_labels = to_categorical(test_labels, num_labels) ``` 然后，我们可以构建一个简单的双向 LSTM 模型。 ```python model = Sequential() model.add(Bidirectional(LSTM(128, return_sequences=True), input_shape=(None, mfcc_feature_len))) model.add(Dropout(0.2)) model.add(Bidirectional(LSTM(128))) model.add(Dropout(0.2)) model.add(Dense(num_labels)) model.add(Activation('softmax')) model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy']) ``` 我们还可以添加一些回调函数，以便在训练过程中自动保存最佳模型。 ```python # Define checkpoint callback checkpoint_callback = ModelCheckpoint('model.h5', monitor='val_accuracy', save_best_only=True, mode='max') # Train model history = model.fit(train_data, train_labels, batch_size=32, epochs=100, validation_data=(test_data, test_labels), callbacks=[checkpoint_callback]) ``` 最后，我们可以使用训练好的模型进行预测。 ```python # Load best model model.load_weights('model.h5') # Predict labels for test data predicted_labels = model.predict(test_data) # Convert predicted labels to integers predicted_labels = np.argmax(predicted_labels, axis=-1) # Convert labels back to text predicted_labels = [list(label_map.keys())[list(label_map.values()).index(label)] for label in predicted_labels] ``` 这就是一个简单的中文语音识别模型的实现。当然，为了达到更好的性能，我们需要更复杂的模型和更多的数据。
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值