info@icroute.com
第 页
2
简介：...................................................................................................................... 3
一、 在识别精度要求高的场景中，使用“触发识
别”模式................................................................................................................ 3
二、 增添“垃圾关键词语”——吸收错误识别........ 3
三、 口令触发模式................................................................................ 4
四、 巧妙运用关键词语的 ID ...................................................... 5
五、 工作电压............................................................................................ 5
六、 用拼音标注外文或者方言.................................................. 5
七、 对于同一关键词 ID 设置多个习惯发音 ................ 6
八、 调节语音结束后得到识别结果的反应时间........ 6
九、 麦克风，相关寄存器设置与识别效果和距离.. 7
十、 语音识别用户使用模式详析............................................ 9
info@icroute.com
第 页
3
简介：
基于语音识别芯片 LD3320 开发产品，可参考《LD3320 开发手册》。为了
提高终端用户对于语音识别的主观体验，本文总结了一些高阶的方法和窍门，
集结成文，与大家共享。
本文档会不定期更新，及时汇总实战中的经验。敬请期待。
一、 在识别精度要求高的场景中，使用“触发识
别”模式
关于 LD3320 的 两 种 使 用 模 式 ， 可 以 参 考 网 站 介 绍 ：
http://www.icroute.com/web_cn/LD332X_UserModel.html 。
在识别精度要求高的场景中，应该采用“触发识别”模式。原因是：
1） 用户在每次按热键后，精神处于最集中的状态，此时用户说的语音
命令会比较认真，清晰。避免了用户过于随意的发音导致的识别误
差。
2） 每次按热键后，产品应该给以一个明显的开始信号，比如发出
“当”的一声或者其他提示信号，可以给用户一个明确开始的提
示，方便用户掌握说语音命令的时间。
3） 由于按键触发后，用户就会贴近麦克风并说出语音命令，避免了其
他环境声音被录入 LD3320 芯片导致的误识别。
另：这种方式还是一种省电的方式，在不识别时，彻底不让芯片工作以省电。
二、 增添“垃圾关键词语”——吸收错误识别
在设定好要识别的关键词语后，为了进一步降低误识别率，可以再添加一
些其他的任意词汇进识别列表，用来吸收错误识别，从而达到降低误识别率的
目的。
可以把这些关键词语称之为“垃圾关键词语”。
比如，某个应用场景中，需要识别的关键词语是 4 条，“前进”，“后
退”，“开门”，“关门”。在把这 4 个关键词语设置进 LD3320 后，可以再另
外设置 10~30 个词语进 LD3320，比如“前门”，“后门”，“阿阿阿”，“呜
呜”等等。
info@icroute.com
第 页
4
只有识别结果是 4 个关键词语之内的，才认为识别有效。如果识别结果是
“垃圾关键词语”，则说明是其他的声音导致的误识别，产品应该重新开始一
次识别过程。
这样，可以非常非常有效地降低误识别率。极大地提高终端用户的主观使
用体验。
“垃圾关键词语”的选取，最好可以选择一些字数和关键词语一样的词
语，用来吸收可能发生的错误识别。
需要说明的是：这一方法，即可以应用在“触发识别”模式中，也可以应
用在“循环识别”模式中。
这样作的原理如下：
非特定人语音识别技术 ASR，是一个基于关键词语列表的匹配识别技术，
算法本质是在提取输入声音的特征后，在关键词语列表中寻找一个相似度最高
的 词 语 作 为 识 别 结 果 。
(http://www.icroute.com/web_cn/LD332X_principle.html )
因此，任何的声音输入进语音识别芯片，都会去和关键词语列表中的词语
进行匹配对比，并且也都会依次打分。这样，其他人在随意聊天，或者任意说
一个不在关键词语列表中的命令，或者是其他毫无联系的说话声音，都可能会
匹配到某一个关键词语并作为结果输出。从而造成误识别。
虽然算法设计中有一定的算法来避免出现这样的误识别，但还是不可完全
避免。产品开发者可以在芯片外部针对性的处理以降低误识别率。本节提供的
方法，是非常有效的一种方法，在实际应用中具有非常重要的地位。
三、 口令触发模式
在一些应用场合，希望识别精度高，但是又无法要求用户每次都用手按键
来“触发识别”。此时，可以采用“口令触发模式”。
产品定义一句短语，作为触发口令。比如，可以定义“芝麻开门”作为触
发口令。
产品在等待用户触发时，启动一个“循环识别”模式，把触发口令“芝麻
开门”和其他几十个用来吸收错误的词汇设置进 LD3320。只有当检测到识别出
的结果是触发口令时，才认为是终端用户叫了这个口令。此时，给出提示音，
并启动一个“触发识别模式”，并且把相应的识别列表设置进 LD3320，提示用
户在提示音后几秒钟内说出要执行的操作。
在等待用户的过程时，如果识别的结果是那些用来吸收错误的词汇，则认
为是误识别，或者其他的声音干扰，而不进行任何的处理，直接再次进入“循
环识别”模式。
这种口令触发模式，融合了其他两种模式的优点，并且结合第二节提到的
“垃圾关键词语”的方法，可以为产品提供更加方便实用的语音操作特性。
