語(yǔ)音控制和語(yǔ)音接口已經(jīng)開(kāi)始幾乎滲透到所有消費(fèi)類(lèi)邊緣設(shè)備類(lèi)別。語(yǔ)音識(shí)別算法和AI加速器硬件的進(jìn)步意味著該技術(shù)甚至可用于功耗和成本受限的應(yīng)用程序，例如智能家居設(shè)備（甚至有些笨拙的設(shè)備）。

從用戶角度來(lái)看，智能家居設(shè)備中的語(yǔ)音控制背后的驅(qū)動(dòng)因素很明確。

Alireza Kenarsari-Anhari（來(lái)源：PicoVoice）

PicoVoice首席執(zhí)行官Alireza Kenarsari-Anhari表示：“易用性和便利性是目前的主要驅(qū)動(dòng)力?！毕胂褚幌?，想要喝咖啡時(shí)，您會(huì)從桌子上大聲喊叫到辦公室里的咖啡機(jī)，或者拿著一籃濕衣服命令下達(dá)干衣機(jī)的命令。

我們假設(shè)像這樣的智能設(shè)備（不是便攜式設(shè)備）可以永久訪問(wèn)家庭的WiFi連接-那么為什么不在云中進(jìn)行這種語(yǔ)音處理呢？

在這種情況下，走向邊緣AI的趨勢(shì)主要是由隱私驅(qū)動(dòng)的，Kenarsari-Anhari表示，這是消費(fèi)者關(guān)注的問(wèn)題，但對(duì)于某些企業(yè)來(lái)說(shuō)是必不可少的?？煽啃允橇硪粋€(gè)驅(qū)動(dòng)因素：“如果您的WiFi無(wú)法正常工作，讓洗衣機(jī)停止工作是否有意義？”他說(shuō)。

延遲在某些情況下也很重要；有些應(yīng)用程序確實(shí)需要對(duì)語(yǔ)音工作負(fù)載處理（例如游戲）進(jìn)行實(shí)時(shí)保證。

成本是語(yǔ)音邊緣處理的另一大推動(dòng)力，因?yàn)樵谠浦刑幚泶苏Z(yǔ)音數(shù)據(jù)需要花費(fèi)金錢(qián)。每次使用云API時(shí)都要付費(fèi)的商業(yè)模式不適用于家用電器和消費(fèi)電子產(chǎn)品等用例，這些用例的成本較低，并且每天可能使用多次。

PicoVoice的AI語(yǔ)音到文本推理引擎旨在在低于1美元的微控制器上獨(dú)立于云運(yùn)行，旨在實(shí)現(xiàn)原本不可行的應(yīng)用程序中的語(yǔ)音控制。這可能包括消費(fèi)者可穿戴設(shè)備和可聽(tīng)設(shè)備，它們處于需要通過(guò)基于微控制器的語(yǔ)音解決方案實(shí)現(xiàn)的電源效率和成本效率的交叉點(diǎn)。Kenarsari-Anhari說(shuō)，功率和成本優(yōu)化的解決方案還可以釋放工業(yè)，安全和醫(yī)療應(yīng)用中的機(jī)會(huì)。

該公司最近推出了Shepherd，這是一個(gè)用于在微控制器上構(gòu)建語(yǔ)音應(yīng)用程序的無(wú)代碼平臺(tái)，可與該公司的模型創(chuàng)建軟件PicoVoice Console一起使用。Shepherd支持ST和NXP流行的Arm Cortex-M微控制器，并同時(shí)支持其他設(shè)備。

Kenarsari-Anhari說(shuō)：“我認(rèn)為語(yǔ)音是一種界面-如果您無(wú)需編碼即可構(gòu)建GUI或網(wǎng)站，也許使用WordPress，則下一步的邏輯步驟就是以類(lèi)似的方式構(gòu)建語(yǔ)音界面，” Kenarsari-Anhari說(shuō)。“牧羊人使產(chǎn)品經(jīng)理和用戶體驗(yàn)設(shè)計(jì)師能夠構(gòu)建原型并快速迭代，但我們的目標(biāo)是擴(kuò)大其目標(biāo)用戶群。如果每個(gè)人都可以建立自己的助手怎么辦？命名為他們想要的名稱(chēng)，而不是Alexa！—賦予他們想要的個(gè)性。”

盡管完全有可能開(kāi)發(fā)自然語(yǔ)言處理模型并在沒(méi)有專(zhuān)業(yè)軟件的情況下實(shí)現(xiàn)它們，但這條路線并不適合每個(gè)人。

他說(shuō)：“當(dāng)然可以，蘋(píng)果，亞馬遜，谷歌和微軟做到了?！薄斑@實(shí)際上與企業(yè)是否具有資源，是否致力于圍繞它建立組織以及是否有能力等待幾年有關(guān)?！?/p>

未來(lái)趨勢(shì)

Syntiant首席執(zhí)行官Kurt Busch在去年夏天接受EE Times采訪時(shí)說(shuō)，Voice正在成為下一代技術(shù)用戶的首選界面。

庫(kù)爾特·布希（來(lái)源：Syntiant）

布希描述了他的最小的孩子，他的孩子雖然可以讀書(shū)，但是還太小，不能寫(xiě)作和拼寫(xiě)，卻可以通過(guò)智能手機(jī)上的語(yǔ)音界面與朋友們發(fā)短信。

“他的哥哥姐姐發(fā)短信，但他那一代人的電話比他們?cè)缌藥啄?，”布希說(shuō)?！半S著時(shí)間的流逝，對(duì)于他這一代和更年輕的一代，他們的默認(rèn)界面是與之對(duì)話?！?/p>

Busch的觀點(diǎn)是，語(yǔ)音將成為“未來(lái)的觸摸屏”，其中的設(shè)備內(nèi)處理功能首先會(huì)在具有鍵盤(pán)或鼠標(biāo)的設(shè)備中提供快速響應(yīng)的界面，然后在白色家電中提供快速響應(yīng)的界面。

Syntiant的芯片是專(zhuān)業(yè)的AI加速器，旨在處理低至極低功耗預(yù)算的消費(fèi)電子設(shè)備中的語(yǔ)音AI工作負(fù)載。迄今為止，這家初創(chuàng)公司已經(jīng)在全球范圍內(nèi)出貨了超過(guò)一千萬(wàn)個(gè)芯片，其中大部分已投入手機(jī)中以實(shí)現(xiàn)始終在線的關(guān)鍵字檢測(cè)。最新的Syntiant芯片NDP120可以識(shí)別諸如“ OK Google”之類(lèi)的熱門(mén)單詞，以在280 μW以下的速度激活Google助手。

將來(lái)，Busch還認(rèn)為語(yǔ)音控制將使每個(gè)人都可以連接和訪問(wèn)技術(shù)。

“我們認(rèn)為聲音是技術(shù)的偉大民主化者，”布希說(shuō)?！笆澜缟嫌?0億人每天的生活費(fèi)僅為2美元。我的假設(shè)是那些人沒(méi)有互聯(lián)網(wǎng)訪問(wèn)權(quán)限，并且可能沒(méi)有通過(guò)教育系統(tǒng)。這里的自然界面是[語(yǔ)音]。這就是您將技術(shù)帶入當(dāng)今尚未與技術(shù)互動(dòng)的世界三分之一的方式。我們已經(jīng)看到發(fā)展中國(guó)家對(duì)語(yǔ)音優(yōu)先應(yīng)用產(chǎn)生了很大的興趣，不僅是從費(fèi)用的角度，而且從舒適的角度來(lái)看，都希望獲得那些以前可能沒(méi)有訪問(wèn)權(quán)限的社會(huì)階層?！?/p>

市場(chǎng)碎片化知識(shí)

發(fā)展速度如此之快的危險(xiǎn)在于，它可能很快變得極度碎片化。Knowles物聯(lián)網(wǎng)高級(jí)總監(jiān)Vikram Shirastava告訴EE Times，而不僅僅是硬件方面。

Vikram Shrivastava（來(lái)源：Knowles）

“例如，由于使用哪種語(yǔ)音識(shí)別引擎，市場(chǎng)變得支離破碎？”舍拉斯塔瓦說(shuō)?！笆袌?chǎng)將變得分散，這取決于您是與電視SoC集成還是內(nèi)部是一個(gè)簡(jiǎn)單的MCU，例如微波爐。您會(huì)基于操作系統(tǒng)或基于聲學(xué)環(huán)境而產(chǎn)生碎片–僅僅是家庭嗎？外面是門(mén)鈴嗎？不可能有一種萬(wàn)能的解決方案。您必須找到每個(gè)垂直領(lǐng)域的共同點(diǎn)，然后嘗試相應(yīng)地解決語(yǔ)音集成問(wèn)題?！?/p>

Knowles有一個(gè)基于DSP的語(yǔ)音控制解決方案，旨在引入針對(duì)不同垂直行業(yè)的版本。它的方法是將市場(chǎng)的各個(gè)部分劃分為具有共同點(diǎn)的那些部分-例如，家用控件，電視條形音箱和遙控器可能屬于同一類(lèi)-然后開(kāi)發(fā)針對(duì)該類(lèi)應(yīng)用程序進(jìn)行了優(yōu)化的解決方案。Shirastava稱(chēng)這種方法為“交鑰匙工程以下一級(jí)”，它提供了交鑰匙工程的可擴(kuò)展性，但又增加了一些靈活性。

他說(shuō)：“我們必須針對(duì)這些碎片的某些方面發(fā)布一些不同的版本，以使我們能夠涵蓋我們想要追求的垂直領(lǐng)域?！?/p>

Knowles的最新版本AISonic藍(lán)牙標(biāo)準(zhǔn)解決方案是一種開(kāi)發(fā)套件，用于在與藍(lán)牙連接的設(shè)備（例如智能揚(yáng)聲器，智能家居設(shè)備，可穿戴設(shè)備和車(chē)載語(yǔ)音助手）中進(jìn)行語(yǔ)音識(shí)別。該套件基于Knowles的IA8201雙核DSP芯片，該芯片專(zhuān)門(mén)針對(duì)神經(jīng)網(wǎng)絡(luò)處理而設(shè)計(jì)，其功耗遠(yuǎn)低于應(yīng)用處理器。例如，該芯片可以在50 mW以下的同時(shí)處理單獨(dú)的AI模型，以同時(shí)進(jìn)行關(guān)鍵字識(shí)別，源分類(lèi)，波束形成，聲學(xué)回聲消除（AEC）和源方向估計(jì)。這是通過(guò)Tensilica DSP內(nèi)核上的近400條用于音頻和AI處理的自定義指令的指令集擴(kuò)展實(shí)現(xiàn)的，該指令集又可以降低時(shí)鐘頻率以節(jié)省功耗。

Sugr的iOttie Aivo Connect車(chē)載智能手機(jī)支架將Knowles的IA8201用于車(chē)載語(yǔ)音功能。它具有內(nèi)置的Alexa語(yǔ)音助手功能。

語(yǔ)音最終會(huì)成為大多數(shù)消費(fèi)類(lèi)電子產(chǎn)品的默認(rèn)用戶界面嗎？看起來(lái)肯定是這樣。先進(jìn)，高效的AI語(yǔ)音控制算法，使開(kāi)發(fā)人員能夠輕松集成語(yǔ)音的開(kāi)發(fā)環(huán)境以及不斷發(fā)展的節(jié)能，經(jīng)濟(jì)高效的硬件解決方案生態(tài)系統(tǒng)相結(jié)合，使這一切成為可能。

編輯：hfy