一种终端硬件和算法软件处理相结合的离线语音识别方法与流程

1.本发明属于语音识别技术领域，具体涉及一种终端硬件和算法软件处理相结合的离线语音识别方法。

背景技术：

2.语音识别技术发展已经有多年，尤其是近年来随着神经网络技术的逐步成熟，大量语音识别采用了神经网络技术，提升了识别的准确率，也使得语音识别开始逐步得到真正的商用。语音识别中应用神经网络技术需要算法和硬件算力的配合，主流做法是采用云端语音识别技术，类似于现有技术中智能音箱的语音识别和智能手机上的语音助手等，都是将语音从终端采集到后，上传到服务器中，由服务器硬件运行相关语音识别算法进行处理，得到结果后再反馈给终端。
3.采用云端语音识别可以解决语音所需要的算力问题，可以得到比较好的语音识别效果，但用云端语音识别也存在语音隐私安全泄露，以及依赖网络，实时性不好的问题，在如控制类等应用场合并不完全适用。因此行业也需要离线的语音识别技术方案。而在离线语音识别中，由于无法调用云端硬件资源，终端硬件处理能力有限，且终端产品对成本和性能，包括响应时间、判断准确率等综合要求都较高，如何利用有限的硬件处理资源，结合算法软件设计高性价比，高实时性以及高识别率的语音识别方法是一个具备挑战性的技术问题。

技术实现要素：

4.为克服现有技术存在的缺陷，本发明公开了一种终端硬件和算法软件处理相结合的离线语音识别方法。
5.本发明所述终端硬件和算法软件处理相结合的离线语音识别方法，其特征在于，包括如下步骤：s1.麦克风实时抓取外部的模拟语音信号，发送到离线语音识别芯片内部的语音数据采集模块；语音数据采集模块将该模拟语音信号转化为数字语音信号，通过芯片内部的直接内存访问模块发到第一缓存；s2.cpu对第一缓存的数据量进行监控，当第一缓存中的数据积累到一预设的门限值时，由cpu将第一缓存中的数据搬运到语音预处理模块；s3.语音预处理模块接收到cpu从第一缓存传来的数字语音信号时，对该信号进行处理，得到洁净语音信号，并通知cpu，由cpu将该洁净语音信号存放到第二缓存中；s4.直接内存访问模块将第二缓存中的洁净语音信号同时发送到语音端点检测模块和硬件计算模块；s5.语音端点检测模块计算判断所述洁净语音信号是否是有效语音信号，以及所述有效语音信号的开始和结束端点，如果是有效语音信号则通知硬件计算模块并发送开始和结束端点信息进入s6步骤；不是则终止并继续等待下一次处理；
s6.硬件计算模块根据语音端点检测模块的通知判断直接内存访问模块发来的洁净语音信号是否是有效语音信号；如果是有效语音信号，获取语音端点检测模块发来的有效语音信号的开始和结束端点；硬件计算模块计算得到语音声学特征并通知cpu，进入s7步骤；如果不是有效语音信号，不处理之前发来的洁净语音信号数据并进入等待下一次洁净语音信号数据的状态；s7.cpu将硬件计算模块计算出的语音声学特征结果数据存放到神经网络处理前置缓存；直接内存访问模块并行将语音声学特征结果发送到神经网络计算模块，神经网络计算模块实时读取芯片外部flash存储器中存放的声学模型参数，对语音声学特征结果数据进行神经网络计算；计算完成后的结果数据通过直接内存访问模块并行实时传输到第三缓存sram 3 中，同时通知cpu进行语音识别处理。
6.优选的，所述s3中，所述处理包括进行降噪、滤波、语音增强及声源定位。
7.优选的，所述语音声学特征计算为依次进行去掉无效语音信号数据、加载梅尔滤波器系数、通过fft计算、均值方差计算、归一化计算和浮点转定点量化。
8.优选的，所述s7步骤中的cpu处理识别的具体流程为：s71.cpu先从外部flash存储器读取唤醒词语言模型和命令词语言模型，并存放到第三缓存sram 3中；s72.当cpu接收到步骤s7神经网络计算模块的语音识别处理通知后，从第三缓存读取计算结果t，同时cpu判断当前设备是否在唤醒状态；s73.如果当前设备未在唤醒状态，继续判断该计算结果t是否为唤醒词，如果不是，即唤醒词无效，设备当前不处于唤醒状态且不能唤醒设备，则继续等待唤醒操作；如果该计算结果t是唤醒词，继续判断对应的置信度是否超过唤醒词设定的门限，如果没有超过，判断可能是误识别，认为唤醒无效，继续等待唤醒操作；如果对应的置信度超过唤醒词设定的门限，判断唤醒词有效，唤醒设备；s74. 如果当前设备处于唤醒状态，cpu继续判断从第三缓存读取的计算结果t对应的文本和置信度；首先判断文本是否有对应的命令，如果没有，判定命令词无效，继续等到下一个命令操作；如果判断该文本有对应的命令，继续判断该文本对应的置信度，是否超过对应的命令词设定的门限，如果没超过，判断是误识别，命令词无效，继续等待下一个命令操作；如果对应的置信度超过命令词设定的门限，则判定该命令词有效，执行该命令词对应的操作。
9.优选的，cpu判断当前设备未在唤醒状态时，仅加载唤醒词语言模型。
10.本发明还公开了一种离线语音识别芯片，包括cpu和直接内存访问模块，所述直接内存访问模块和cpu之间连接有第一缓存、第二缓存和第三缓存，所述第一缓存还连接有语音预处理模块，所述第二缓存还连接有语音端点检测模块和硬件计算模块；所述硬件计算模块连接有神经网络前置缓存；所述直接内存访问模块还连接有语音数据采集模块和神经网络计算模块，所述神经网络计算模块和第三缓存及神经网络前置缓存连接；所述神经网络计算模块和cpu具有外部存储器连接端口；所述直接内存访问模块、语音预处理模块、语音端点检测模块、硬件计算模块、语音数据采集模块和神经网络计算模块均为硬件模块。
11.优选的，所述硬件模块为asic方式实现。
12.优选的，各个缓存由同一缓存器件通过直接内存访问模块的不同数据读写通道实现不同的存储分区实现采用本发明所述终端硬件和算法软件处理相结合的离线语音识别方法，具有如下优越性：一．将芯片中的cpu和各个硬件计算模块，通过有效的并行处理方式进行了连接，通过数据并行搬运，可以降低cpu的处理能力要求，降低了芯片成本。
13.二.硬件计算模块和cpu的并行处理工作可以保障芯片的cpu和硬件模块独立运算，提升了运算速度，在处理实时语音识别时不会遗漏语音数据，保障了识别的实时性，提升了识别效果。
14.三.芯片可以自动从外部flash存储器读取声学模型,无需内部ram存储声学模型，极大节省了内存空间。
附图说明
15.图1为本发明所述离线语音识别方法的一种具体实施流程示意图；图2为本发明所述离线语音识别方法的一种具体实施方式示意图，图2中未画完全部模块之间连线。
具体实施方式
16.下面对本发明的具体实施方式作进一步的详细说明。
17.本发明所述终端硬件和算法软件处理相结合的离线语音识别方法，如图1所示，包括如下步骤：s1.麦克风实时抓取外部的模拟语音信号，发送到离线语音识别芯片内部的语音数据采集模块；语音数据采集模块将该模拟语音信号转化为数字语音信号，通过芯片内部的直接内存访问模块（dma）直接实时发到第一缓存；s2.cpu对第一缓存的数据量进行监控，当第一缓存sram 1中的数据积累到一定预设的门限值时，由cpu将第一缓存sram 1中的相关数据搬运到语音预处理模块；该门限值通常根据缓存大小和cpu的数据处理能力决定并可配置，例如可以设定第一缓存为1m,可以设定门限值为512k。
18.第一缓存的数据搬运后，第一缓存sram 1 对应的存储位可以再继续存储语音数据采集模块不断发送的实时数字语音信号，便于用较小的缓存sram 1 就可以不断存储实时数据，降低了成本。
19.步骤s1中，语音数据采集模块采用直接内存访问模块传输实时的数字语音信号，不需要cpu参与，便于进行并行工作，降低了对cpu处理能力的要求。步骤s2由cpu来判断第一缓存sram 1 中的数据何时可以取出处理，也兼顾了处理的灵活性，以便适应不同的语音识别要求。
20.s3.语音预处理模块接收到cpu从第一缓存sram 1传来的一定量的数字语音信号时，对该信号进行降噪、滤波、语音增强、声源定位等处理，得到洁净语音信号，并在通知cpu，由cpu将该洁净语音信号存放到第二缓存sram 2中；
s4.cpu在存放信号完成后，直接内存访问模块将所述洁净语音信号从第二缓存sram 2同时并行搬运到语音端点检测模块和硬件计算模块。
21.该步骤通过直接内存访问模块搬运，是为了保障处理的实时性和并行工作，降低cpu的处理能力要求。
22.s5.语音端点检测模块针对发来的洁净语音信号，计算判断所述洁净语音信号是否是有效语音信号，以及所述有效语音信号的开始结束端点，如果是有效语音信号则通知硬件计算模块；不是则终止并继续等待；s6.硬件计算模块收到语音端点检测模块的通知，判断直接内存访问模块发来的洁净语音信号是否是有效语音信号。如果是有效语音信号，获取到语音端点检测模块发来的有效语音信号的开始和结束端点，计算得到语音声学特征并通知cpu；如果不是有效语音信号，不处理之前发来的洁净语音信号数据并进入等待下一次洁净语音信号数据的状态；所述计算语音声学特征通常为去掉无效语音信号数据，加载梅尔滤波器系数，通过fft计算、均值方差计算、归一化计算和浮点转定点量化等步骤，最后计算得出语音声学特征，计算完成后硬件计算模块通知cpu；s7.由cpu将计算出的结果数据存放到神经网络处理前置缓存；直接内存访问模块并行将该数据发送到神经网络计算模块进行计算，通过并行计算能保障语音信号处理的实时性；此处由cpu存放数据，同时如果要调整硬件计算模块的计算方式或参数，可以让cpu介入对硬件计算模块进行配置，兼顾了数据计算处理的灵活性。
23.神经网络计算模块计算完成后将结果通过直接内存访问模块并行实时传输到第三缓存sram 3 中，同时通知cpu进行处理。
24.神经网络计算模块在计算时，会通过直接内存访问模块自动实时读取flash存储器中存储的声学模型参数，将该声学模型和获取到的有效语音信号结果数据进行神经网络计算，计算完成后将结果通过直接内存访问模块并行实时传输到第三缓存sram 3 中，同时通知cpu进行语音识别处理。
25.上述终端硬件和算法软件处理相结合的离线语音识别方法中，在s1、s4、s5、s6步骤中均未使用cpu,s2、s3、s7步骤中使用cpu；在连续不断的语音数据处理过程中，某一进程在进行s1、s4、s5、s6步骤时，空闲的cpu可用于处理另一进程的s2、s3、s7步骤,如图1所示。
26.如图1所示给出可实现本发明所述离线语音识别方法的离线语音识别芯片，包括cpu和直接内存访问模块，所述直接内存访问模块和cpu之间连接有第一缓存、第二缓存和第三缓存，所述第一缓存还连接有语音预处理模块，所述第二缓存还连接有语音端点检测模块和硬件计算模块；所述硬件计算模块连接有神经网络前置缓存；所述直接内存访问模块还连接有语音数据采集模块和神经网络计算模块，所述神经网络计算模块和第三缓存及神经网络前置缓存连接；所述神经网络计算模块和cpu具有外部存储器连接端口；所述直接内存访问模块、语音预处理模块、语音端点检测模块、硬件计算模块、语音数据采集模块和神经网络计算模块均为硬件模块。
27.由于cpu基于指令的架构，通用性较好，但对于专用任务来讲，指令架构的cpu在面积和性能上没有优势。在语音神经网络识别中，如果用cpu来进行预处理、端点检测、硬件计算、神经网络计算等专用操作，会导致cpu面积庞大，通常需要1ghz以上的主频，但这种高性
能cpu的成本较高，不利于语音模块的推广，且功耗较大，对离线语音识别设备而言，很多都是手持设备等电池供电设备，对功耗较为敏感，高主频cpu 不利于达到语音识别芯片的低成本目标。
28.本发明通过将语音识别所需的固定专用计算单独以硬件asic模块进行针对性设计实现，和cpu并行处理，降低功耗和成本的同时，实现多核并行运算，在成本、功耗和运算速度上取得较好的平衡。各个缓存可以由同一缓存器件通过不同的数据读写通道实现不同的存储分区，分别作为所述的第一缓存、第二缓存、第三缓存和神经网络前置缓存。
29.一个具体实施方式中，cpu先从外部flash存储器读取唤醒词语言模型和命令词语言模型，并存放到第三缓存sram 3中。
30.当cpu接收到步骤s7神经网络计算模块的处理通知后，从第三缓存读取计算结果t，同时cpu判断当前设备是否在唤醒状态，如果不是，判断该计算结果t是否为唤醒词，如果不是，即唤醒词无效，设备当前不处于唤醒状态且不能唤醒设备，则继续等待唤醒操作；如果该计算结果t是唤醒词，继续判断对应的置信度是否超过唤醒词设定的门限，如果没有超过，判断可能是误识别，认为唤醒无效，继续等待唤醒操作；如果对应的置信度超过唤醒词设定的门限，判断唤醒词有效，唤醒设备。
31.cpu从第三缓存sram 3读取神经网络计算模块计算完成后的计算结果t，结合唤醒词语言模型和命令词语言模型两个语言模型，进行维特比解码等计算，得到有效语言信号对应的文本和置信度。此处如果是未唤醒时，可以只加载唤醒词语言模型存放到第三缓存sram 3中，唤醒词语言模型通常比命令词语言模型小得多，此时只识别唤醒词类型的命令，可以减少cpu和nn运算量和存储量，降低系统功耗；同时避免设备误报；由于唤醒是一个设备的常见操作，仅加载唤醒词模型，可以提高唤醒识别效率和唤醒时间，提升用户体验。
32.在设备处于唤醒状态并要识别命令词时，再加载命令词语音模型进行识别。具体过程可以为：当cpu接收到步骤s7神经网络计算模块的处理通知后，并判断当前设备已经在唤醒状态，cpu继续判断从第三缓存读取的计算结果t对应的命令词和置信度时，首先判断该文本是否有对应的命令，如果没有，判定命令词无效，继续等到下一个命令操作；如果判断该文本有对应的命令，继续判断该文本对应的置信度，是否超过对应的命令词设定的门限，如果没超过，判断是误识别，命令词无效，继续等待下一个命令操作；如果对应的置信度超过命令词设定的门限，则判定该命令词有效，执行该命令词对应的操作。
具体实施例
33.以图2所示的离线语音识别芯片对空调进行操作为例进行说明：假设初始时空调未被唤醒，cpu检测到设备未唤醒状态，仅将唤醒词模型加载到第三缓存中；用户发出“25度”的语音指令，系统进行如下操作：s1.麦克风实时抓取“25度”命令词的模拟语音信号，发送到离线语音识别芯片内部的语音数据采集模块；语音数据采集模块将该模拟语音信号转化为数字语音信号，通过芯片内部的直接内存访问模块发到第一缓存；s2.cpu对第一缓存的数据量进行监控，当第一缓存中的数据积累到一预设的门限
值时，由cpu将第一缓存中的数据搬运到语音预处理模块；s3.语音预处理模块接收到cpu从第一缓存传来的数字语音信号时，对该信号进行处理，得到洁净语音信号，并通知cpu，由cpu将该洁净语音信号存放到第二缓存中；s4.直接内存访问模块将第二缓存中的洁净语音信号同时发送到语音端点检测模块和硬件计算模块；s5.语音端点检测模块计算判断所述洁净语音信号是否是有效语音信号，以及所述有效语音信号的开始和结束端点，发现是有效语音信号，通知硬件计算模块并发送开始和结束端点信息进入s6步骤；s6.硬件计算模块根据语音端点检测模块的通知判断直接内存访问模块发来的洁净语音信号“25度”是有效语音信号，获取语音端点检测模块发来的有效语音信号的开始和结束端点；硬件计算模块计算得到语音声学特征并通知cpu，进入s7步骤；s7.cpu将硬件计算模块计算出的语音声学特征结果数据存放到神经网络处理前置缓存；直接内存访问模块并行将语音声学特征结果发送到神经网络计算模块，神经网络计算模块实时读取芯片外部flash存储器中存放的声学模型参数，对语音声学特征结果数据进行神经网络计算；计算完成后的结果数据通过直接内存访问模块并行实时传输到第三缓存sram 3 中，同时通知cpu进行语音识别处理。
34.语音识别处理过程如下:s71. cpu检测到设备未唤醒状态，仅将唤醒词模型加载到第三缓存中；s72.当cpu接收到步骤s7神经网络计算模块的处理通知后，从第三缓存读取计算结果t；s73.cpu发现当前设备未在唤醒状态，并判断该计算结果t不是唤醒词，如果不是，即唤醒词无效，设备当前不处于唤醒状态且不能唤醒设备，则继续等待唤醒操作。
35.具体实施例2与具体实施例1的区别在于，空调已处于唤醒状态，用户发出“25度”命令词；则s73步骤跳过直接进入步骤s74,cpu将命令词语言模型加载到第三缓存；s74.当前设备处于唤醒状态，cpu继续判断从第三缓存读取的计算结果t对应的文本和置信度；首先判断文本是否有对应的命令，判断“25度”文本有对应的命令，继续判断该文本对应的置信度，是否超过对应的命令词设定的门限，如果没超过，判断是误识别，命令词无效，继续等待下一个命令操作；如果对应的置信度超过命令词设定的门限，则判定该命令词有效，执行该命令词对应的操作，将空调温度调节为25度。
36.采用本发明所述终端硬件和算法软件处理相结合的离线语音识别方法，具有如下优越性：一．将芯片中的cpu和各个硬件计算模块，通过有效的并行处理方式进行了连接，通过数据并行搬运，可以降低cpu的处理能力要求，降低了芯片成本。
37.二.硬件计算模块和cpu的并行处理工作可以保障芯片的cpu和硬件模块独立运算，提升了运算速度，在处理实时语音识别时不会遗漏语音数据，保障了识别的实时性，提升了识别效果。
38.三.芯片可以自动从外部flash存储器读取声学模型,无需内部ram存储声学模型，极大节省了内存空间。
39.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、cd-rom、光学存储器等）上实施的计算机程序产品的形式。
40.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令系统的制造品，该指令系统实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
41.前文所述的为本发明的各个优选实施例，各个优选实施例中的优选实施方式如果不是明显自相矛盾或以某一优选实施方式为前提，各个优选实施方式都可以任意叠加组合使用，所述实施例以及实施例中的具体参数仅是为了清楚表述发明人的发明验证过程，并非用以限制本发明的专利保护范围，本发明的专利保护范围仍然以其权利要求书为准，凡是运用本发明的说明书及附图内容所作的等同结构变化，同理均应包含在本发明的保护范围内。

技术特征：

1.一种终端硬件和算法软件处理相结合的离线语音识别方法，其特征在于，包括如下步骤：s1.麦克风实时抓取外部的模拟语音信号，发送到离线语音识别芯片内部的语音数据采集模块；语音数据采集模块将该模拟语音信号转化为数字语音信号，通过芯片内部的直接内存访问模块发到第一缓存；s2.cpu对第一缓存的数据量进行监控，当第一缓存中的数据积累到一预设的门限值时，由cpu将第一缓存中的数据搬运到语音预处理模块；s3.语音预处理模块接收到cpu从第一缓存传来的数字语音信号时，对该信号进行处理，得到洁净语音信号，并通知cpu，由cpu将该洁净语音信号存放到第二缓存中；s4.直接内存访问模块将第二缓存中的洁净语音信号同时发送到语音端点检测模块和硬件计算模块；s5.语音端点检测模块计算判断所述洁净语音信号是否是有效语音信号，以及所述有效语音信号的开始和结束端点，如果是有效语音信号则通知硬件计算模块并发送开始和结束端点信息进入s6步骤；不是则终止并继续等待下一次处理；s6.硬件计算模块根据语音端点检测模块的通知判断直接内存访问模块发来的洁净语音信号是否是有效语音信号；如果是有效语音信号，获取语音端点检测模块发来的有效语音信号的开始和结束端点；硬件计算模块计算得到语音声学特征并通知cpu，进入s7步骤；如果不是有效语音信号，不处理之前发来的洁净语音信号数据并进入等待下一次洁净语音信号数据的状态；s7.cpu将硬件计算模块计算出的语音声学特征结果数据存放到神经网络处理前置缓存；直接内存访问模块并行将语音声学特征结果发送到神经网络计算模块，神经网络计算模块实时读取芯片外部flash存储器中存放的声学模型参数，对语音声学特征结果数据进行神经网络计算；计算完成后的结果数据通过直接内存访问模块并行实时传输到第三缓存sram 3 中，同时通知cpu进行语音识别处理。2.如权利要求1所述的离线语音识别方法，其特征在于，所述s3中，所述处理包括进行降噪、滤波、语音增强及声源定位。3.如权利要求1所述的离线语音识别方法，其特征在于，所述语音声学特征计算为依次进行去掉无效语音信号数据、加载梅尔滤波器系数、通过fft计算、均值方差计算、归一化计算和浮点转定点量化。4.如权利要求1所述的离线语音识别方法，其特征在于，所述s7步骤中的cpu处理识别的具体流程为：s71.cpu先从外部flash存储器读取唤醒词语言模型和命令词语言模型，并存放到第三缓存sram 3中；s72.当cpu接收到步骤s7神经网络计算模块的语音识别处理通知后，从第三缓存读取计算结果t，同时cpu判断当前设备是否在唤醒状态；s73.如果当前设备未在唤醒状态，继续判断该计算结果t是否为唤醒词，如果不是，即唤醒词无效，设备当前不处于唤醒状态且不能唤醒设备，则继续等待唤醒操作；如果该计算结果t是唤醒词，继续判断对应的置信度是否超过唤醒词设定的门限，如果
没有超过，判断可能是误识别，认为唤醒无效，继续等待唤醒操作；如果对应的置信度超过唤醒词设定的门限，判断唤醒词有效，唤醒设备；s74. 如果当前设备处于唤醒状态，cpu继续判断从第三缓存读取的计算结果t对应的文本和置信度；首先判断文本是否有对应的命令，如果没有，判定命令词无效，继续等到下一个命令操作；如果判断该文本有对应的命令，继续判断该文本对应的置信度，是否超过对应的命令词设定的门限，如果没超过，判断是误识别，命令词无效，继续等待下一个命令操作；如果对应的置信度超过命令词设定的门限，则判定该命令词有效，执行该命令词对应的操作。5.如权利要求4所述的离线语音识别方法，其特征在于，cpu判断当前设备未在唤醒状态时，仅加载唤醒词语言模型。6.一种离线语音识别芯片，其特征在于，包括cpu和直接内存访问模块，所述直接内存访问模块和cpu之间连接有第一缓存、第二缓存和第三缓存，所述第一缓存还连接有语音预处理模块，所述第二缓存还连接有语音端点检测模块和硬件计算模块；所述硬件计算模块连接有神经网络前置缓存；所述直接内存访问模块还连接有语音数据采集模块和神经网络计算模块，所述神经网络计算模块和第三缓存及神经网络前置缓存连接；所述神经网络计算模块和cpu具有外部存储器连接端口；所述直接内存访问模块、语音预处理模块、语音端点检测模块、硬件计算模块、语音数据采集模块和神经网络计算模块均为硬件模块。7.如权利要求6所述的离线语音识别芯片，其特征在于，所述硬件模块为asic方式实现。8.如权利要求6所述的离线语音识别芯片，其特征在于，各个缓存由同一缓存器件通过直接内存访问模块的不同数据读写通道实现不同的存储分区实现。

技术总结

一种终端硬件和算法软件处理相结合的离线语音识别方法及芯片，包括如下步骤：S1.麦克风实时抓取外部的模拟语音信号；S2.将第一缓存中的数据搬运到语音预处理模块；S3.得到洁净语音信号，将该洁净语音信号存放；S4.直接内存访问模块将洁净语音信号同时发送到语音端点检测模块和硬件计算模块；S5.语音端点检测模块计算判断所述洁净语音信号是否是有效语音信号；S6.计算语音声学特征；S7.神经网络计算模块针对语音声学特征进行计算，CPU进行语音识别处理。本发明将芯片中的CPU和各个硬件计算模块，通过有效的并行处理方式进行了连接，通过数据并行搬运，可以降低CPU处理能力要求，降低了芯片成本。降低了芯片成本。降低了芯片成本。