（二）医学影像放射设备集成 语音输入模块（硬件模块）(前期研发的调研工作)

目录

第一章、基本要求

1.1、使用场景或环境

1.2、支持声音识别、声纹识别

1.3、支持多国语言的语音识别

1.4、支持SDK二次开发

1.5、支持灵活输入

1.6、模块具有丰富的外部接口

 1.7、支持定制功能、提供样品

1.8、系统性能要求。

第二章、性价比（公司对比） 

第三章、科大讯飞

第一章、基本要求

1.1、使用场景或环境

• 医学影像放射设备    搭载语音输入模块，在室内/室外条件下，医护人员在边检查边进行语音指令输入。
• 语音输入模块根据语音指令，转成对应的文字指令。
• 医疗设备的软件系统，根据文字指令，执行其他功能操作。       

1.2、支持声音识别、声纹识别

• 要求可以识别人类发出的声音，并识别声音的内容。
• 要求可以识别声音的属性，比如是谁发出的声音指令。
• 要求可识别同一语言的不同方言。

1.3、支持多国语言的语音识别

         可以识别中文、英文等主流语言的声音。

1.4、支持SDK二次开发

• 模块具备一定的内存。
• 模块支持自定义输入功能。

1.5、支持灵活输入

• 比如支持长语音、段语音输入。
• 比如支持语音的断断续续输入。

1.6、模块具有丰富的外部接口

• 比如网口、串口、USB接口、SD卡接口、CAN接口、SPI接口等等。
• 电源供电接口等等。

 1.7、支持定制功能、提供样品

• 模块的规格尺寸可定制。
• 模块的功能可定制、扩展。
• 产品的开发阶段，希望提供样品。

1.8、系统性能要求。

• 安全性：
• 可靠性：具备高抗电磁干扰、高抗噪声干扰等等能力。
• 实时性： 语言指令转文字指令，时延<200ms。
• 其他等等

第二章、性价比（公司对比） 

参考以下链接与客服咨询之后，得到下面的表格

http://www.vic18.com/plus/view.php?aid=2128

http://www.elecfans.com/d/841906.html

http://m.elecfans.com/article/603651.html

第三章、科大讯飞

https://doc.iflyos.cn/aiui/whitepaper/、https://www.xfyun.cn/services/ring6mic

        实际上，科大讯飞那边给了我两个文件，但是这两个文件并没有过多地阐述这个模块的功能。于是，我需要根据初期电话沟通支持的功能、模块说明链接https://doc.iflyos.cn/aiui/whitepaper/进一步调研科大讯飞的产品。

      依据这个网站，获取的有效信息如下：

• AIUI——AIUI 是科大讯飞2015年推出的一套以语音为核心的人机交互解决方案，意在使应用和设备能够快速具备能听会说，能理解会思考的能力。默认配置进场识别模式。
• 语音唤醒——4-6个音节的唤醒词、唤醒率超过95%、用户可自定义唤醒词、单设备最高支持8个唤醒词同时使用。唤醒模式又分为一次唤醒和持续交互唤醒。持续交互——持续交互（continue）即全双工交互，在一次唤醒后，可以保持一段时间的唤醒（一般小于60秒），在这段时间内，可以直接与机器交互，免去唤醒词以后，会使得人机交互更加自然。该模式必须用AIUI 麦克风阵列 + AIUI 评估板（量产版）。一次唤醒——即一次唤醒，一次响应。（暂时只支持android平台）
• 语音识别——普通话近场识别(手持语言设备录用的状态)、远场识别(1m~5m，多麦)准确率达98%、95%。远场识别率1米、3米、5米分别为95%、92%、90%，远场只提供普通话。
• 方言——普通话方言
• 全双工交互——全双工交互指在设备扬声器发声时，且不关闭麦克风的情况下，用户可以打断设备的播放，进行语音识别和语义理解。

• 识别模式——一种模式是按键触发录音并识别。另一种模式是，持续录音，连续识别：可以根据业务需求保持交互状态10秒~120秒，实现一次触发多次响应。

• 拒识——过滤无关的语音和无效的噪音进行过滤，例如嗯、啊、哦等语气词。

• 语义理解——将语言转成Json数据格式？？？？

• 自定义技能、自定义问答。

• 语音合成——将文字信息转化为声音信息，给产品配上“嘴巴”。

• AIUI 目前支持提供多种集成模式，包含 SDK，硬件接入，HTTP 协议以及微信公众号接入的方式。SDK 目前提供 Android，iOS，Linux，Windows 平台。

• 远场解决方案——方案一：麦克风阵列+输出单路音频至上位机+上位机可以集成 AIUI 的 SDK。方案二： AIUI 评估板（量产版）+ 通过串口将结构化语义信息输出到上位机。

• 热词上传——例如“燕京啤酒”在通用领域可能会被识别成“眼睛啤酒”，但是当您上传了热词后，识别成功率会大概率提升。

• SDK参数配置——Json。

上位机与AIUI交互模式：

语音唤醒：