振动声学：用身体传导音频传感器捕捉的法语语音数据集
内容提要
本文介绍了一种基于MEMS骨导传感器的低功耗无线耳塞研究平台，采用递归神经网络实现95%准确率的语音检测，功耗仅为2.64毫瓦，电池寿命可达43小时。同时，研究还涉及多种语音识别数据集的构建与应用，推动了语音识别技术的发展。
延伸解读
骨导语音检测的低功耗设计
该研究平台采用MEMS骨导传感器和递归神经网络，实现了95%的语音检测准确率，检测时间少于12.8毫秒。基于Ambiq Apollo 4 Blue SoC的最终实现，在不进行任务循环的情况下，平均功耗仅为2.64毫瓦，每次推断消耗14微焦。使用32mAh锂离子电池，电池寿命可达43小时。这些指标表明，该设计在保持高准确率和低延迟的同时，显著降低了功耗，适合可穿戴设备的长时间运行。
语音数据集的多样化构建
文章提及了多个语音识别数据集的构建与应用，包括利用网络音频数据自动识别口语语言、同时记录声音与口腔运动数据的数据库、多说话人英语数据集、EARS数据集等。这些数据集涵盖了不同的语言、说话风格和模态，如音频、口腔运动、肌电信号等，为语音识别技术的训练和评估提供了丰富的资源，推动了该领域的发展。
语音识别技术的应用拓展
除了传统的语音识别，文章还涉及了使用静态肌电信号转换为可听声音、使用口腔非语言声音控制的语音输入系统等应用。这些技术旨在帮助语音障碍者，并探索新的交互方式。通过个性化模型和特定数据集的设计，这些系统在测试中实现了较高的精度和召回率，展示了语音识别技术在辅助通信和人机交互方面的潜力。
Q&A
MEMS骨导传感器的无线耳塞有什么特点？
该无线耳塞基于MEMS骨导传感器，具有低功耗和高准确率的语音检测能力。
该研究平台的语音检测准确率是多少？
语音检测准确率达到95%。
无线耳塞的电池寿命有多长？
使用32mAh锂离子电池时，电池寿命可达43小时。
该研究使用了什么算法进行语音检测？
研究使用了递归神经网络算法进行语音检测。
该研究对语音识别技术的发展有什么推动作用？
研究涉及多种语音识别数据集的构建与应用，推动了语音识别技术的发展。
该无线耳塞的平均功耗是多少？
平均功耗为2.64毫瓦。
