語音控制和語音接口已經(jīng)開始幾乎滲透到所有消費類邊緣設(shè)備類別。語音識別算法和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）。

從用戶角度來看，智能家居設(shè)備中的語音控制背后的驅(qū)動因素很明確。

Alireza Kenarsari-Anhari（來源：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)動力。”想像一下，想要喝咖啡時，您會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）可以永久訪問家庭的WiFi連接-那么為什么不在云中進(jìn)行這種語音處理呢？

在這種情況下，走向邊緣AI的趨勢主要是由隱私驅(qū)動的，Kenarsari-Anhari表示，這是消費者關(guān)注的問題，但對于某些企業(yè)來說是必不可少的。可靠性是另一個驅(qū)動因素：“如果您的WiFi無法正常工作，讓洗衣機(jī)停止工作是否有意義？”他說。

延遲在某些情況下也很重要；有些應(yīng)用程序確實需要對語音工作負(fù)載處理（例如游戲）進(jìn)行實時保證。

成本是語音邊緣處理的另一大推動力，因為在云中處理此語音數(shù)據(jù)需要花費金錢。每次使用云API時都要付費的商業(yè)模式不適用于家用電器和消費電子產(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語音到文本推理引擎旨在在低于1美元的微控制器上獨立于云運行，旨在實現(xiàn)原本不可行的應(yīng)用程序中的語音控制。這可能包括消費者可穿戴設(shè)備和可聽設(shè)備，它們處于需要通過基于微控制器的語音解決方案實現(xiàn)的電源效率和成本效率的交叉點。Kenarsari-Anhari說，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。

該公司最近推出了Shepherd，這是一個用于在微控制器上構(gòu)建語音應(yīng)用程序的無代碼平臺，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，并同時支持其他設(shè)備。

Kenarsari-Anhari說：“我認(rèn)為語音是一種界面-如果您無需編碼即可構(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似的方式構(gòu)建語音界面，” Kenarsari-Anhari說。“牧羊人使產(chǎn)品經(jīng)理和用戶體驗設(shè)計師能夠構(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。如果每個人都可以建立自己的助手怎么辦？命名為他們想要的名稱，而不是Alexa！—賦予他們想要的個性。”

盡管完全有可能開發(fā)自然語言處理模型并在沒有專業(yè)軟件的情況下實現(xiàn)它們，但這條路線并不適合每個人。

他說：“當(dāng)然可以，蘋果，亞馬遜，谷歌和微軟做到了。”“這實際上與企業(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)。”

未來趨勢

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

庫爾特·布希（來源：Syntiant）

布希描述了他的最小的孩子，他的孩子雖然可以讀書，但是還太小，不能寫作和拼寫，卻可以通過智能手機(jī)上的語音界面與朋友們發(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早了幾年，”布希說。“隨著時間的流逝，對于他這一代和更年輕的一代，他們的默認(rèn)界面是與之對話。”

Busch的觀點是，語音將成為“未來的觸摸屏”，其中的設(shè)備內(nèi)處理功能首先會在具有鍵盤或鼠標(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的芯片是專業(yè)的AI加速器，旨在處理低至極低功耗預(yù)算的消費電子設(shè)備中的語音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)出貨了超過一千萬個芯片，其中大部分已投入手機(jī)中以實現(xiàn)始終在線的關(guān)鍵字檢測。最新的Syntiant芯片NDP120可以識別諸如“ OK Google”之類的熱門單詞，以在280 μW以下的速度激活Google助手。

將來，Busch還認(rèn)為語音控制將使每個人都可以連接和訪問技術(shù)。

“我們認(rèn)為聲音是技術(shù)的偉大民主化者，”布希說。“世界上有30億人每天的生活費僅為2美元。我的假設(shè)是那些人沒有互聯(lián)網(wǎng)訪問權(quán)限，并且可能沒有通過教育系統(tǒng)。這里的自然界面是[語音]。這就是您將技術(shù)帶入當(dāng)今尚未與技術(shù)互動的世界三分之一的方式。我們已經(jīng)看到發(fā)展中國家對語音優(yōu)先應(yīng)用產(chǎn)生了很大的興趣，不僅是從費用的角度，而且從舒適的角度來看，都希望獲得那些以前可能沒有訪問權(quán)限的社會階層。”

市場碎片化知識

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

Vikram Shrivastava（來源：Knowles）

“例如，由于使用哪種語音識別引擎，市場變得支離破碎？”舍拉斯塔瓦說。“市場將變得分散，這取決于您是與電視SoC集成還是內(nèi)部是一個簡單的MCU，例如微波爐。您會基于操作系統(tǒng)或基于聲學(xué)環(huán)境而產(chǎn)生碎片–僅僅是家庭嗎？外面是門鈴嗎？不可能有一種萬能的解決方案。您必須找到每個垂直領(lǐng)域的共同點，然后嘗試相應(yīng)地解決語音集成問題。”

Knowles有一個基于DSP的語音控制解決方案，旨在引入針對不同垂直行業(yè)的版本。它的方法是將市場的各個部分劃分為具有共同點的那些部分-例如，家用控件，電視條形音箱和遙控器可能屬于同一類-然后開發(fā)針對該類應(yīng)用程序進(jìn)行了優(yōu)化的解決方案。Shirastava稱這種方法為“交鑰匙工程以下一級”，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：“我們必須針對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。”

Knowles的最新版本AISonic藍(lán)牙標(biāo)準(zhǔn)解決方案是一種開發(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)備和車載語音助手）中進(jìn)行語音識別。該套件基于Knowles的IA8201雙核DSP芯片，該芯片專門針對神經(jīng)網(wǎng)絡(luò)處理而設(shè)計，其功耗遠(yuǎn)低于應(yīng)用處理器。例如，該芯片可以在50 mW以下的同時處理單獨的AI模型，以同時進(jìn)行關(guān)鍵字識別，源分類，波束形成，聲學(xué)回聲消除（AEC）和源方向估計。這是通過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)展實現(xiàn)的，該指令集又可以降低時鐘頻率以節(jié)省功耗。

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

語音最終會成為大多數(shù)消費類電子產(chǎn)品的默認(rèn)用戶界面嗎？看起來肯定是這樣。先進(jìn)，高效的AI語音控制算法，使開發(fā)人員能夠輕松集成語音的開發(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