在先進駕駛輔助系統（ADAS）中，結合視覺處理器的CMOS影像感測器已在協助汽車辨識與分類方面發揮關鍵作用。至于其“聽覺”呢？

　　麥克風也能扮演像攝影機般重要的角色，為自動駕駛車增添更多“智慧”功能嗎？

　　DSP Concepts執行長與創辦人Paul Beckmann表示，在汽車和駕駛人發現救護車接近以前，就已經聽到它的警報聲響起了。那么為什么汽車產業不會對音訊感興趣？

　　系統OEM廠商（不只是汽車制造商）目前正處于“使用更多麥克風以便為人工智慧（AI）產生另一種重要感測器資料——音訊”的關鍵時刻，Beckmann解釋。

　　正如他所預設的，音訊正“從單純的在娛樂系統中播放，朝向在情境架構中實現輸入、觸發與分析。”

　　由 麥克風所拾取的智慧，也可能用于日常生活的各種系統中，從汽車、數位虛擬助理到可攜式裝置等。“視覺與聽覺應該并駕齊驅，”DSP Concepts業務與行銷執行總裁Willard Tu表示?！肮贩吐?、嬰兒哭鬧、玻璃碎裂、汽車喇叭、警報聲與槍聲等等。。.。。.音訊有助于讓系統更有效地掌握環境［和情境］?！?/p>

　　圖1：音訊“輸入”演算法發展藍圖 （來源：DSP Concepts）

　　如今，有兩個重要的發展趨勢推動電子產業突然在音訊領域迅速發展。

　　一 是擁有多顆麥克風的智慧型手機普及；其次則是數位虛擬助理的流行，如Amazon Echo與Google Home。根據SAR Insight & Consulting總監與首席分析師Peter Cooney的觀察，“一般消費裝置中整合虛擬數位助理的應用越來越多，帶動感知與采用語音作為自然的使用者介面，應用于許多日常任務中?！?/p>

　　但是，麥克風能多快超越作為一種自然使用者介面的角色，開始變成真正的‘智慧感測器’？看來業界還得等待一些進展。

　　為了迎接挑戰，音訊需要可以拾取更佳音質的麥克風、善于后處于音訊的處理器、預處理音訊的有效演算法、易于使用的音訊處理工具、相當于繪圖用Open GL的音訊標準，以及能以最小功耗維持永不斷線的麥克風。

　　總之，如同Cooney所指出的，市場需要“始終保持監聽的技術、語音增強演算法以及麥克風?！?/p>

　　在ARM處理器上實現音訊處理

　　音訊處理以往是播放系統（如TV、DVD和Hi-Fi音響系統中的等化器）才需要的專業領域。

　　而今在智慧型手機和其他家用裝置的麥克風普及帶動下，音訊處理任務已經擴展到幾乎無處不在。專用音訊DSP也并不是系統中處理音訊的唯一晶片了。

　　隨著越來越多的音訊開始在ARM處理器上執行，Beckmann指出，更多的OEM“熱切地將麥克風視為”AI的輸入感測器。DSP Concepts正處于觀察這一市場過渡的最佳位置。

　　Beckmann看好市場成長的態勢，特別是因為該公司一款稱為Audio Weaver在過去一年來的成果。如同Beckmann描述的，這是“唯一一款可跨平臺作業的繪圖音訊設計架構?！?/p>

　　業 界分析家認為，DSP Concepts正占據音訊市場上的獨特位置。TECHnalysis Research總裁兼首席分析師Bob O‘Donnell認為：“我并未看到DSP Concepts或其Audio Weave工具面對哪幾家競爭對手。許多公司都針對音樂與錄音等目的進行專業的音訊剪輯與音訊處理，但這畢竟是不同的領域?！?/p>

　　庫尼表示同意?！拔也恢廊魏胃偁?a target="_blank">產品音頻織女的。”他補充說，“DSP概念有其他的產品也是如此，如聲音增強算法（噪音抑制，回聲取消，波束賦形），基準和參考設計?！?/p>

　　Cooney也同意這一看法?！拔疫€不知道Audio Weaver有任何競對手?！彼a充說，“DSP Concepts也有其他的產品，例如聲音增強演算法（雜訊抑制、回音消除、波木成形等）、基準與參考設計。”

　　圖2：全球麥克風與音訊處理器市場 （來源：SAR Insights & Consulting）

　　DSP Concepts并未設計或銷售DSP。然而，競爭對手一般都是其他的DSP業者。Audio Weaver的競爭產品來自德州儀器（TI）或Cirrus Logic等DSP供應商自行打造的音訊工具。其差異之處在于那些內部開發的工具僅用于DSP供應商自家的晶片。而采用像Audio Weaver這樣的獨立平臺工具，Tu強調，“OEM不必被限制于一種特定的DSP?！?/p>

　　Cooney說，DSP Concepts藉由與Cadence/Tensilica等許多公司合作，主要的業務在于為其客戶提供音訊設計解決方案。

　　除 了Audio Weaver工具，DSP Concepts也授權一些可形成麥克風輸入的音訊演算法，包括波束成形、回聲消除、雜訊消除與遠音場（far-field sound）等演算法。Beckmann指出，在此業界缺乏深諳音訊處理的工程人才之際，市場亟需易于使用的音訊預處理演算法，以便能從不需要的環境雜訊 中區隔出聲音來。