本文首发于电子发烧友论坛：【正点原子i.MX93开发板试用连载体验】基于深度学习的语音本地控制 - 正点原子学习小组 - 电子技术论坛 - 广受欢迎的专业电子论坛!

好久没有更新了，今天再来更新一下。

我们用前面提到的录音工具录制了自己的中文语音，包括“打开”和“关闭”各100条，同时我们从谷歌的mini_speech_commands样本集里面随机挑选了100条作为"unknown”的样本，三个类别的数据个数要尽量相同，否则训练出来的结果会有倾向性。然后，开始自己的训练过程。

我所使用的是阿里云的PAI-DSW进行在线训练，平台的使用非常方便，避免了在本机上进行繁琐的设置工作。我采用的训练笔记本是TensorFlow的Simple audio recognition: Recognizing keywordssimple_audio_pi/simple_audio_train_numpy.ipynb

 

将脚本上传后，直接打开，就可以看到笔记本了。

笔记本的操作和其他平台差不多，就不详细介绍了。

我把准备的语音数据上传到data/speech目录下，共有3个子目录，分别是open、close和unknown。然后修改脚本中关于data_dir的设置。

`data_dir = pathlib.Path('data/speech')` 

然后修改了训练集、验证集和测试集的数量设置。

train_files = filenames[:350] 
val_files = filenames[250: 250 + 100] 
test_files = filenames[-100:] 

然后就按照笔记本里面的步骤执行就可以了。

数据量不大，训练只用了数秒就完成了。

使用一个样本进行测试，可以正确得到打开的结果。

 

最后可以得到tflite格式的文件，用于在开发板上的测试。

将tflite格式的文件拷贝到开发板上，并修改前面的测试程序中的模型文件路径和commands设置就可以使用中文的“打开”、“关闭”进行控制了。视频稍后将上传到B站，欢迎大家观看。