電子發燒友App
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。“狗吠聲、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］。”
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。”
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。”
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。”
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。”
庫尼表示同意。“我不知道任何競爭產品音頻織女的。”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。”
Cooney也同意這一看法。“我還不知道Audio Weaver有任何競對手。”他補充說，“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。”
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。
音訊：長期受冷落的領域
然而，目前使用音訊進行聲學事件檢測（和分析）仍然是一種相對較新的應用。
O’Donnell指出，“理論上，可能會有更多專用音訊處理器在做AI，但坦白說，音訊就像是長期受到視訊的冷落一樣，而且時至今日也是如此。”
他補充說，聲音的另一項重大挑戰是“語言與意義”。他說，“一張樹的圖片以任何語言來說是樹，但要瞭解字、詞以及最重要的意義與意圖，就具有語言與文化的獨特性了。這使得語音辨識與自然語言的處理變得十分困難。”
Beckmann坦承，音訊缺乏標準，也造成了差距。
以OpenGL來看，它是一種針對圖形渲染的跨語言、跨平臺API。對于想要編寫程式碼的視訊游戲設計人員來說，這種API十分重要。像Nvidia等GPU供應商在使用這種API后就能最佳化其硬體。
音訊世界則可以使用硬體抽象層來實現跨平臺的硬體加速渲染，類似于OpenGL所扮演的角色一樣。如果缺乏標準，每一家音訊晶片公司都必須最佳化自家硬體以及自給自足。缺乏標準延緩了擴展跨平臺的音訊應用所需的創新腳步。
實現永不斷電的續航力
Amazon Echo或Google Home等流行的數位虛擬助理下一步要實現的就是“長時傾聽”（always-listening）的能力。Amazon正透過其‘tap-then- speak’的語音啟動機制加速這方面的進展。但該裝置還不能稱得上是‘always listening’。
圖3：全球語音介面與長時傾聽技術市場 （來源：SAR Insights & Consulting）
具有永不斷線/長時傾聽能力的裝置一旦走出家門，將開始面臨各種挑戰。到了戶外，它的音訊處理能力必須從背景雜訊中區隔出需要聽到的聲音。此外，Beckmann強調，更大的問題還在于電池壽命。
為此，他指出，“位于波士頓的新創公司Vesper開發的靜態感測MEMS元件就十分關鍵。”Vesper專門開發壓電MEMS麥克風，不久前還發布了一款新的聲學感測器，可利用聲能喚醒完全待機中的系統。
Vesper 執行長Matt Crowley表示，這款新的壓電MEMS麥克風VM1010可在傾聽模式下汲取僅3μA電流，該元件預計在今年第四季出樣。Crowley并承 諾，VM1010的新版本將會配備“鑒頻”（frequency discrimination）功能。這表示系統設計者可因應槍聲、玻璃粉碎或人聲等特定的雜訊特性編程MEMS麥克風。
汽車內部
回過頭來看看汽車內部的音訊應用。語音為汽車內部提供了自然的人機介面（HMI）。
為了提高駕駛人使用免持聽筒的語音品質，一線業者與汽車OEM嚴重地依賴音訊處理技術。Beckmann說，“配備多聲道（從8-32聲道）揚聲器的汽車，帶來了十分復雜的音訊系統。”
不 僅如此，隨著電動車的出現，汽車產業開始使用假引擎噪音——或“電子聲音”。從BMW到福斯（Volkswagen）等越來越多的汽車制造商開始玩各種共 鳴放大器技巧。事實上，不只是電動車，當今更省油的引擎聲音更安靜，也較不那么有力了。汽車制造商擔心所有的平靜可能會讓潛在買家卻步。
對于汽車產業的許多人來說，音訊是熟悉的領域。汽車制造商們知道，音訊可以為其提供差異化。車內的聲學感測器不僅可以聽到外面發生的事情，未來，車子自己的引擎也能夠針對診斷應用偵測任何異常情況。
編譯：Susan Hong
（參考原文：Audio Rises for Event Detection，by Junko Yoshida）
工商網監
評論