Resumen

Un sistema de reconocimiento de voz escalable de gran vocabulario e independiente del hablante se está desarrollando utilizando Modelos Ocultos de Markov (HMM) para el modelado acústico y un Transductor Finito de Estado Ponderado (WFST) para compilar modelos de oraciones, palabras y fonemas. El sistema consta de una búsqueda de software en el backend y un cálculo gaussiano basado en FPGA, que se describen aquí. En este artículo, presentamos un diseño en cascada eficiente implementado tanto como un periférico incrustado como un acelerador de hardware paralelo y escalable. Ambas arquitecturas se han implementado en un ordenador reconfigurable Alpha Data XRC-5T1, que alberga un FPGA Virtex 5 SX95T. El núcleo ha sido probado y es capaz de calcular un conjunto completo de resultados gaussianos a partir de 3825 modelos acústicos en 9.03 ms, lo que junto con una búsqueda en el backend de 5000 palabras ha proporcionado una precisión superior al 80%. Las implementaciones paralelas se han

• Materias:Comunicación inalámbrica Modulador Aplicaciones paralelas Programación estática Parametrización de sistemas
• Subjects:Wireless communication Modulator Parallel applications Static programming System parameterization
• Palabras claves:Amplio vocabulario; Reconocimiento de voz; Modelos Ocultos de Markov; Transductor Finito de Estado Ponderado; Cálculo gaussiano basado en FPGA; Implementaciones paralelas
• Keywords:Large vocabulary; Speech recognition; Hidden Markov Models; Weighted Finite State Transducer; FPGA-based Gaussian calculation; Parallel implementations