Bối cảnh và vấn đề nghiên cứu

Trong xu thế phát triển của khoa học và công nghệ ở thế kỷ 21, các thiết bị tự động hóa ngày càng được ứng dụng rộng rãi nhằm nâng cao chất lượng đời sống sinh hoạt của con người, khởi đầu từ các thiết bị điện dân dụng quen thuộc trong gia đình. Xu hướng phát triển nhà thông minh (Smart home) đã xuất hiện từ đầu những năm 2000 tại các quốc gia phát triển, tiêu biểu là công trình biệt thự Thái Bình Dương của tỷ phú Bill Gates. Bước sang thập niên 2010, sự bùng nổ của học sâu (Deep Learning) đã tạo ra bước tiến lớn cho công nghệ nhận diện giọng nói – lĩnh vực vốn có khởi đầu từ hệ thống Audrey do Bell Labs chế tạo năm 1952 nhưng thời điểm đó chỉ giới hạn ở khả năng nhận diện các chữ số đơn lẻ. Các trợ lý ảo hiện đại như Google Assistant (phát hành trên Android vào tháng 2/2017) đã chứng minh tiềm năng ứng dụng thực tiễn của công nghệ này vào đời sống, y tế và sản xuất. Tại Việt Nam, việc nghiên cứu, làm chủ công nghệ điều khiển thiết bị bằng giọng nói tiếng Việt trên nền tảng phần cứng nhúng là yêu cầu cần thiết, hỗ trợ công tác nghiên cứu và giảng dạy kỹ thuật. Xuất phát từ bối cảnh đó, đề tài "Thiết kế hệ thống giao tiếp, điều khiển thiết bị thông minh" được thực hiện.

Mục tiêu nghiên cứu của đồ án bao gồm:

  1. Nghiên cứu kỹ thuật nhận diện giọng nói và chuyển đổi lời nói thành văn bản (Speech-to-Text).
  2. Khảo sát và ứng dụng mã nguồn mở Google Speech API trong việc nhận diện giọng nói tiếng Việt.
  3. Nghiên cứu cơ sở toán học và ứng dụng thuật toán khoảng cách Levenshtein vào bài toán so khớp lệnh điều khiển.
  4. Lập trình điều khiển toàn bộ hệ thống bằng ngôn ngữ Python trên nền tảng máy tính nhúng Raspberry Pi.
  5. Thiết kế và thi công mô hình phần cứng hoàn chỉnh có khả năng giao tiếp phản hồi bằng âm thanh, hiển thị thông số môi trường và điều khiển các thiết bị điện dân dụng.

Đối tượng và phạm vi nghiên cứu:

  • Đối tượng nghiên cứu: Hệ thống máy tính nhúng Raspberry Pi Zero W, thuật toán khoảng cách Levenshtein, thư viện nhận diện giọng nói Google Speech API, các module cảm biến và điều khiển công suất.
  • Phạm vi nghiên cứu: Lập trình ứng dụng trên hệ điều hành Raspbian bằng ngôn ngữ Python; giới hạn điều khiển phần cứng gồm 2 đèn và 2 quạt; hiển thị thông tin thời gian thực và nhiệt độ môi trường lên màn hình LCD 16x2.

Cơ sở lý thuyết và phương pháp

Đồ án xây dựng trên nền tảng lý thuyết trích xuất đặc trưng âm thanh, mô hình chuyển đổi tiếng nói thành văn bản, thuật toán đối sánh chuỗi ký tự và kỹ thuật ghép nối ngoại vi phần cứng:

Cơ sở lý thuyết xử lý tiếng nói và thuật toán

Quá trình chuyển đổi lời nói thành văn bản dựa trên việc trích xuất các hệ số phổ tần số MFCC (Mel-Frequency Cepstral Coefficients) qua các bước:

  1. Tiền khuếch đại (Pre-emphasis): Sử dụng bộ lọc nhằm nâng cao biên độ dải tần số cao và cải thiện tỷ số tín hiệu trên nhiễu (SNR) theo phương trình: $$Y[n] = x[n] - \alpha X[n - 1]$$
  2. Phân khung (Framing) và Cửa sổ hóa (Windowing): Chia tín hiệu âm thanh thành các đoạn ngắn từ 20 đến 40 ms và nhân với hàm cửa sổ Hamming để tránh hiện tượng gián đoạn biên: $$W(n) = 0.54 - 0.46 \cos\left(\frac{2\pi n}{N - 1}\right), \quad 0 \le n \le N - 1$$
  3. Biến đổi Fourier rời rạc (DFT) và Lọc dải Mel: Chuyển tín hiệu sang miền tần số, sau đó áp dụng ngân hàng bộ lọc Mel để mô phỏng khả năng cảm nhận tần số phi tuyến của tai người: $$F(Mel) = 2595 \times \log_{10}\left(1 + \frac{f}{700}\right)$$
  4. Biến đổi Cosine rời rạc (DCT): Tính toán mức năng lượng để trích xuất các hệ số đặc trưng MFCC phục vụ bộ giải mã âm học và ngôn ngữ.

Để xử lý sai số nhận dạng chuỗi văn bản từ giọng nói, tác giả sử dụng thuật toán khoảng cách Levenshtein (do Vladimir Levenshtein đề xuất năm 1965) nhằm đo lường số bước sửa đổi tối thiểu (chèn, xóa, thay thế) giữa hai chuỗi ký tự $a$ và $b$: $$lev_{a,b}(i, j) = \begin{cases} \max(i, j) & \text{nếu } \min(i, j) = 0 \ \min \begin{cases} lev_{a,b}(i-1, j) + 1 \ lev_{a,b}(i, j-1) + 1 \ lev_{a,b}(i-1, j-1) + 1_{(a_i \neq b_j)} \end{cases} & \text{còn lại} \end{cases}$$

Phương pháp nghiên cứu và công nghệ lựa chọn

Tác giả so sánh các thư viện Speech-to-Text phổ biến gồm Pocketsphinx, Wit.ai, Houndify, IBM Speech to Text, Microsoft Bing Voice Recognition, Google Cloud và Google Speech. Kết quả lựa chọn Google Speech API thông qua thư viện speech_recognition của Python nhờ ưu điểm xử lý nhanh, hỗ trợ tốt tiếng Việt (vi-VN) và không đòi hỏi cấu hình tài khoản phức tạp.

Về mặt phần cứng, các linh kiện và chuẩn giao tiếp được lựa chọn dựa trên thông số kỹ thuật thực tế:

Thiết bị / Linh kiện Vai trò trong hệ thống Thông số kỹ thuật chính
Raspberry Pi Zero W Bộ xử lý trung tâm Broadcom BCM2835 1GHz ARM11, RAM 512MB, 40 chân GPIO, kết nối Wi-Fi 802.11 b/g/n, BLE, nguồn 5V/700mA.
MAX9814 (AGC) Thu nhận âm thanh giọng nói Tích hợp điều khiển độ lợi tự động (AGC: 40dB, 50dB, 60dB), micro 20Hz-20kHz, nguồn 2.5V, ngõ ra 2Vpp, độ méo THD thấp.
USB Sound Card 7.1 Chuyển đổi âm thanh sang số Chuẩn USB Audio Device Class 1.0, USB HID 1.1, tốc độ 12Mbps, jack cắm 3.5mm ngõ vào micro và ngõ ra loa.
PAM8403 Mạch khuếch đại âm thanh Chuẩn Class D, công suất 2 kênh 3W + 3W (tổng 6W), hiệu suất 90%, tải loa 4Ω - 8Ω, điện áp hoạt động 2.5V - 5VDC.
DS18B20 Cảm biến đo nhiệt độ Cảm biến số chuẩn 1-Wire, độ phân giải 12-bit, dải đo -55°C đến +125°C, sai số cho phép ±0.5°C, nguồn DC 5V.
LCD 16x2 & Module I2C Hiển thị thời gian và nhiệt độ Driver HD44780 kèm chip chuyển đổi I2C (địa chỉ 0x27), điện áp 2.5V - 6V, kết nối qua 2 dây SDA và SCL.
Module 8 Relay & Opto Đóng ngắt thiết bị điện 220V Cách ly quang Opto PC817, transistor đệm C1815 (NPN), diode 1N4007 bảo vệ xung ngược, tiếp điểm relay Songle 10A/250VAC.

Thiết kế và triển khai

Hệ thống được thiết kế hoàn chỉnh từ kiến trúc phần cứng, sơ đồ nguyên lý mạch điện tử đến lưu đồ thuật toán và mã nguồn thực thi:

Kiến trúc phần cứng và sơ đồ nguyên lý

Kiến trúc phần cứng gồm 6 khối chức năng chính:

  • Khối thu tín hiệu âm thanh: Sử dụng module MAX9814 kết nối qua đầu vào Microphone của USB Sound Card, truyền dữ liệu số qua cổng Micro USB OTG vào bo mạch Raspberry Pi Zero W.
  • Khối xử lý trung tâm: Raspberry Pi Zero W nhận dữ liệu âm thanh, kết nối mạng Wi-Fi để gửi tín hiệu tới Google Speech API, tính toán khoảng cách Levenshtein và điều khiển các chân GPIO.
  • Khối thu thập nhiệt độ: Module cảm biến DS18B20 giao tiếp với Raspberry Pi qua chân dữ liệu có gắn điện trở kéo 4.7kΩ.
  • Khối hiển thị: Màn hình LCD 16x2 ghép nối qua module chuyển đổi I2C sử dụng 2 chân GPIO (SDA, SCL).
  • Khối khuếch đại và phát âm thanh: Tín hiệu từ đầu ra Headphone của USB Sound Card truyền tới mạch khuếch đại PAM8403 (cấu tạo gồm Op-Amp NE5534, transistor BD241C, BD242C) để phát âm thanh phản hồi ra loa ngoài.
  • Khối điều khiển công suất: Tín hiệu từ GPIO kích mở LED bên trong Opto PC817 (dòng kích 5mA, sụt áp 1.2V-1.4V), kích thông photo-transistor tạo dòng cực B mở transistor C1815, cấp dòng cho cuộn hút 5V của relay đóng tiếp điểm cho các tải điện 220V (2 đèn và 2 quạt). Diode 1N4007 mắc song song ngược cực với cuộn dây relay nhằm triệt tiêu sức điện động cảm ứng.

Thiết kế phần mềm và giải thuật

Chương trình chính được cấu trúc thành ba khối chức năng hoạt động tuần tự:

  1. Khối khởi tạo: Thiết lập cấu hình các cổng GPIO của Raspberry Pi Zero W, cấu hình địa chỉ I2C cho LCD 16x2, kích hoạt kết nối cảm biến DS18B20 và xác định thiết bị âm thanh qua chỉ số Device ID của USB Sound Card. Đồng thời, khởi tạo danh sách các câu lệnh điều khiển mẫu.
  2. Khối chào người dùng: Kiểm tra biến thời gian thực của hệ thống để phát tệp âm thanh tương ứng:
    • Từ 0 giờ đến 9 giờ: Phát âm thanh "Chào buổi sáng".
    • Từ 10 giờ đến 15 giờ: Phát âm thanh "Chào buổi trưa".
    • Từ 16 giờ đến 17 giờ: Phát âm thanh "Chào buổi chiều".
    • Các khung giờ còn lại: Phát âm thanh "Chào buổi tối".
  3. Khối nhận diện giọng nói và thực thi: Thu nhận tín hiệu âm thanh với cấu hình lấy mẫu sample_rate = 48000, chunk_size = 1024, tự động cân chỉnh nhiễu môi trường (adjust_for_ambient_noise). Đoạn mã sau mô tả cấu hình nhận diện tiếng Việt được tác giả triển khai:
import speech_recognition as sr

sample_rate = 48000
chunk_size = 1024
r = sr.Recognizer()
mic_list = sr.list_microphone_names()
device_id = 0
r.dynamic_energy_threshold = True

with sr.Microphone(device_index=device_id, sample_rate=sample_rate, chunk_size=chunk_size) as source:
    r.adjust_for_ambient_noise(source)
    audio = r.listen(source, timeout=None)
    try:
        reg_text = r.recognize_google(audio, language='vi_VN')
        print("you said: " + reg_text)
    except sr.UnknownValueError:
        print("Could not understand audio")
    except sr.RequestError as e:
        print("Could not request results from Google Speech Recognition service; {0}".format(e))

Chuỗi văn bản reg_text sau khi thu nhận được đưa vào hàm tính toán khoảng cách Levenshtein để so khớp với tập lệnh định sẵn. Khi khoảng cách đạt ngưỡng cho phép, Raspberry Pi kích hoạt relay tương ứng và xuất thông báo phản hồi qua loa, đồng thời cập nhật trạng thái hoạt động và giá trị nhiệt độ lên màn hình LCD 16x2.

Nội dung chính theo từng chương

CHƯƠNG 1: TỔNG QUAN

Chương 1 phân tích bối cảnh ra đời của các hệ thống Smart home và lịch sử phát triển của công nghệ nhận diện tiếng nói từ hệ thống Audrey năm 1952 đến các nền tảng học sâu hiện đại như Google Assistant (2017). Tác giả xác định mục tiêu thiết kế mô hình điều khiển thông minh bằng tiếng Việt, thiết lập phạm vi ứng dụng sử dụng Raspberry Pi Zero W, Google Speech API, thuật toán Levenshtein và giới hạn tải điều khiển ở 2 đèn, 2 quạt cùng màn hình LCD 16x2.

CHƯƠNG 2: CƠ SỞ LÝ THUYẾT

Chương 2 trình bày thông số chi tiết của phần cứng và nền tảng lý thuyết điều khiển:

  • Trình bày đặc tính kiến trúc của máy tính nhúng Raspberry Pi Zero W (SoC BCM2835 1GHz, RAM 512MB, kết nối Wi-Fi/Bluetooth) và hệ điều hành Raspbian (giao diện đồ họa PIXEL).
  • Phân tích nguyên lý cảm biến âm thanh tích hợp AGC MAX9814 với các mức khuếch đại 40dB, 50dB, 60dB; USB Sound Card chuẩn âm thanh 1.0; mạch khuếch đại PAM8403 công suất 6W; cảm biến nhiệt độ DS18B20 12-bit và LCD 16x2 giao tiếp I2C.
  • Phân tích cơ sở lý thuyết xử lý tín hiệu âm thanh thông qua chuỗi tính toán hệ số đặc trưng MFCC (Pre-emphasis, Hamming window, FFT, Mel Filter Bank, DCT) và mô hình giải mã âm học.
  • Đánh giá ưu nhược điểm của các API Speech-to-Text (Pocketsphinx, Wit.ai, Houndify, IBM, Bing, Google Cloud) để luận chứng cho việc chọn Google Speech. Trình bày công thức toán học của thuật toán Levenshtein và cấu trúc truyền thông 2 dây của chuẩn I2C.

CHƯƠNG 3: THIẾT KẾ HỆ THỐNG GIAO TIẾP, ĐIỀU KHIỂN THIẾT BỊ BẰNG GIỌNG NÓI

Chương 3 chi tiết hóa sơ đồ khối toàn hệ thống và sơ đồ nguyên lý từng mạch thành phần:

  • Thiết kế mạch thu âm sử dụng MAX9814 ghép nối bộ chuyển đổi USB Sound Card.
  • Thiết kế mạch công suất điều khiển tải: mô tả chi tiết mạch 1 kênh relay sử dụng Opto PC817 cách ly quang, transistor C1815 đệm dòng, diode 1N4007 dập xung cảm ứng và relay Songle 5VDC (chịu tải 10A/250VAC hoặc 10A/30VDC).
  • Thiết kế mạch khuếch đại âm thanh PAM8403 dùng Op-Amp NE5534 và cặp transistor BD241C/BD242C.
  • Xây dựng lưu đồ giải thuật chi tiết cho: khối khởi tạo hệ thống, khối chào người dùng theo mốc thời gian thực, khối nhận dạng tiếng nói - tính toán khoảng cách Levenshtein - thực thi lệnh, và khối đo nhiệt độ DS18B20 kết hợp hiển thị LCD 16x2.

CHƯƠNG 4: KẾT QUẢ VÀ THỰC HIỆN

Chương 4 mô tả kết quả thi công mô hình thực tế:

  • Hệ thống hoàn thiện được bố trí trong mô hình hộp chữ nhật kích thước đáy 30 x 25 cm, chiều cao 15 cm, phân chia thành 2 tầng vật lý:
    • Tầng trên: Bố trí các tải thực nghiệm gồm 2 đèn chiếu sáng và 2 quạt làm mát.
    • Tầng dưới: Đặt bộ xử lý trung tâm Raspberry Pi Zero W, module 8 relay, mạch khuếch đại PAM8403, USB Sound Card, cảm biến MAX9814, cảm biến DS18B20 và hệ thống nguồn cấp DC (5V). Mặt hông hộp gắn màn hình LCD 16x2.
  • Ghi nhận các kịch bản thử nghiệm vận hành: điều khiển bật/tắt độc lập đèn/quạt thứ nhất; điều khiển bật/tắt đèn/quạt thứ hai; điều khiển đồng thời cả 2 đèn và 2 quạt; kiểm tra tính năng đo nhiệt độ môi trường và cập nhật thời gian thực trên màn hình LCD.

CHƯƠNG 5: KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN ĐỀ TÀI

Chương 5 tổng kết mức độ hoàn thành nhiệm vụ nghiên cứu so với mục tiêu đề ra ban đầu, xác nhận hệ thống hoạt động ổn định các chức năng nhận dạng giọng nói tiếng Việt, đối thoại chào hỏi, điều khiển thiết bị gia dụng và hiển thị thông số môi trường. Đồng thời, đề ra các định hướng mở rộng nghiên cứu tiếp theo.

Kết quả và đóng góp

Đồ án đạt được các kết quả kỹ thuật cụ thể:

  • Chế tạo thành công mô hình phần cứng 2 tầng kích thước 30 x 25 x 15 cm tích hợp đầy đủ khối xử lý Raspberry Pi Zero W, khối thu âm MAX9814 tích hợp AGC, khối phát PAM8403, khối đo nhiệt độ DS18B20 và khối điều khiển công suất 8 relay.
  • Thực hiện giao tiếp hai chiều bằng tiếng Việt: nhận lệnh điều khiển thông qua Google Speech API và phát câu chào tương tác qua loa theo 4 khung giờ trong ngày (sáng, trưa, chiều, tối).
  • Điều khiển đóng/ngắt an toàn và chính xác 4 tải điện dân dụng (2 đèn, 2 quạt) thông qua tầng cách ly quang Opto PC817 và relay 10A/250VAC.
  • Đo nhiệt độ môi trường với độ phân giải 12-bit từ DS18B20 và hiển thị đồng thời với dữ liệu thời gian thực lên màn hình LCD 16x2 qua chuẩn I2C.

Về mặt đóng góp học thuật và ứng dụng: Đồ án đã hiện thực hóa giải pháp kết hợp thuật toán khoảng cách Levenshtein để bù trừ sai số nhận dạng tiếng Việt của Google Speech API trên một hệ thống phần cứng giá thành thấp (Raspberry Pi Zero W). Mô hình đóng vai trò làm tài liệu tham khảo và giáo cụ trực quan phục vụ công tác giảng dạy, thí nghiệm thực hành chuyên ngành Điện tử - Truyền thông tại nhà trường.

Hạn chế và hướng nghiên cứu tiếp

Hạn chế của hệ thống:

  • Hệ thống bắt buộc phải có kết nối Internet liên tục để gửi dữ liệu âm thanh lên máy chủ Google Speech API; khi mất mạng hoặc đường truyền chậm, khả năng nhận dạng lệnh sẽ bị gián đoạn.
  • Số lượng tải điều khiển thực nghiệm còn giới hạn (mới thử nghiệm 2 đèn và 2 quạt).
  • Bộ vi xử lý Raspberry Pi Zero W có cấu hình lõi đơn (1GHz ARM11, RAM 512MB) nên tốc độ phản hồi có độ trễ nhất định khi phải đồng thời xử lý âm thanh, đọc cảm biến và quét hiển thị.

Hướng nghiên cứu tiếp theo do nhóm tác giả đề xuất:

  • Nghiên cứu tối ưu hóa mô hình nhận dạng giọng nói tiếng Việt ngoại tuyến (Offline) dựa trên các công cụ như Pocketsphinx bằng cách huấn luyện lại mô hình ngôn ngữ và ngữ âm, giúp hệ thống hoạt động độc lập không cần Internet.
  • Mở rộng số lượng cổng điều khiển và chủng loại tải điện dân dụng trong nhà thông minh.
  • Nâng cấp phần cứng xử lý lên các dòng máy tính nhúng có cấu hình đa nhân mạnh hơn để giảm thiểu độ trễ.
  • Tích hợp thêm các giao diện giám sát, điều khiển từ xa qua mạng cục bộ hoặc ứng dụng di động.

Giá trị tham khảo

Đồ án là tài liệu kỹ thuật hữu ích đối với sinh viên và học viên chuyên ngành Công nghệ Kỹ thuật Điện tử - Truyền thông, Kỹ thuật Máy tính, Cơ điện tử và Tự động hóa đang thực hiện các đề tài về IoT và Smart home.

Các nội dung có giá trị tham khảo chuyên sâu bao gồm:

  • Sơ đồ thiết kế mạch điều khiển tải AC cách ly quang kết hợp transistor và diode triệt xung cảm ứng bảo vệ vi điều khiển.
  • Phương pháp phối ghép USB Sound Card và module tiền khuếch đại tự động AGC MAX9814 nhằm giải quyết nhược điểm thiếu cổng âm thanh vào/ra trên bo mạch Raspberry Pi Zero W.
  • Kỹ thuật lập trình nhúng Python ứng dụng thuật toán so khớp chuỗi Levenshtein để tăng độ chính xác trong xử lý khẩu lệnh tiếng Việt.

Câu hỏi thường gặp

1. Tại sao nhóm nghiên cứu phải sử dụng thêm module USB Sound Card cho Raspberry Pi Zero W? Do bo mạch Raspberry Pi Zero W được tối giản kích thước và chi phí nên không tích hợp cổng âm thanh 3.5mm (cả đường Micro vào lẫn đường Headphone ra). Nhóm tác giả phải sử dụng thêm module chuyển đổi USB Sound Card 7.1 kết nối qua cổng dữ liệu Micro USB OTG để lấy tín hiệu từ micro MAX9814 và xuất tín hiệu ra mạch công suất PAM8403.

2. Lý do nhóm lựa chọn Google Speech API thay vì các thư viện nhận dạng giọng nói khác? Trong các giải pháp được khảo sát, Pocketsphinx chỉ hỗ trợ tốt tiếng Anh và cần tối ưu lại mô hình âm học phức tạp nếu muốn chạy tiếng Việt; các API như Wit.ai, Houndify, IBM Speech to Text, Bing và Google Cloud đều yêu cầu đăng ký tài khoản và thiết lập khóa bảo mật (token) phức tạp. Google Speech API hỗ trợ xử lý tiếng Việt (vi_VN), tốc độ phản hồi nhanh, không yêu cầu thủ tục tạo tài khoản phức tạp mà chỉ cần thiết bị kết nối mạng Internet.

3. Thuật toán khoảng cách Levenshtein đóng vai trò gì trong quá trình điều khiển thiết bị? Thuật toán Levenshtein được dùng để so khớp độ tương đồng giữa chuỗi văn bản do Google Speech trả về với tập chuỗi lệnh điều khiển mẫu được định nghĩa trước trong mã nguồn. Thuật toán đo số bước chỉnh sửa ký tự tối thiểu giữa hai chuỗi, giúp hệ thống phát hiện chính xác lệnh điều khiển ngay cả khi người dùng phát âm có sai lệch nhỏ hoặc hệ thống nhận diện nhầm lẫn một vài ký tự.

4. Mạch điều khiển tải 220V được thiết kế chống nhiễu và bảo vệ khối xử lý trung tâm như thế nào? Hệ thống sử dụng linh kiện Opto PC817 để thực hiện cách ly quang hoàn toàn giữa mạch điều khiển 5V của Raspberry Pi và mạch công suất tải 220V. Tín hiệu quang kích mở transistor quang của opto, sau đó kích dẫn transistor C1815 để kéo cuộn hút relay. Song song với cuộn hút relay có mắc thêm diode 1N4007 nhằm dập dòng điện cảm ứng ngược sinh ra khi ngắt cuộn dây, ngăn chặn hiện tượng đánh thủng linh kiện và chống xung nhiễu truyền ngược về vi xử lý.

5. Khối chào người dùng hoạt động theo nguyên tắc nào? Khối chào người dùng lấy dữ liệu thời gian thực từ hệ thống và so sánh theo các điều kiện: nếu thời gian nằm trong khoảng 0-9 giờ, hệ thống phát tệp âm thanh "Chào buổi sáng"; từ 10-15 giờ phát "Chào buổi trưa"; từ 16-17 giờ phát "Chào buổi chiều"; các mốc giờ còn lại phát tệp "Chào buổi tối" ra loa thông qua mạch khuếch đại PAM8403.

Kết luận

Đồ án tốt nghiệp "Thiết kế hệ thống giao tiếp, điều khiển thiết bị thông minh" của sinh viên Kiều Minh Triết và Đào Minh Hiếu đã hoàn thành đầy đủ các mục tiêu thiết kế phần cứng và phần mềm cho một mô hình nhà thông minh quy mô nhỏ. Đề tài kết hợp thành công bộ vi xử lý nhúng giá rẻ Raspberry Pi Zero W với công nghệ nhận dạng giọng nói tiếng Việt Google Speech API và thuật toán khoảng cách Levenshtein để đóng ngắt 4 thiết bị điện dân dụng. Các kết quả thực nghiệm về điều khiển tải, đo nhiệt độ môi trường bằng cảm biến DS18B20 và hiển thị thời gian thực lên LCD 16x2 chứng minh tính khả thi, ổn định của giải pháp, tạo tiền đề tốt cho các nghiên cứu phát triển hệ thống điều khiển tiếng nói ngoại tuyến trong tương lai.