語音控制和語音界面已經(jīng)開始無情地滲透到幾乎所有的消費(fèi)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)甚至可以用于智能家居設(shè)備（甚至是一些愚蠢的設(shè)備）等功率和成本受限的應(yīng)用程序。

從用戶端來看，智能家居設(shè)備語音控制背后的驅(qū)動(dòng)力是顯而易見的。

PicoVoice 首席執(zhí)行官 Alireza Kenarsari-Anhari 告訴 EE Times：“易用性和便利性是目前的主要驅(qū)動(dòng)力。” 很容易想象當(dāng)你想要一杯咖啡時(shí)，你可以從辦公桌上對著家庭辦公室的咖啡機(jī)大喊大叫，或者拿著一籃濕衣服向滾筒式烘干機(jī)口述訂單。

我們假設(shè)像這些非便攜式的智能設(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，邊緣人工智能的趨勢主要是由隱私驅(qū)動(dòng)的，Kenarsari-Anhari 說這是消費(fèi)者的擔(dān)憂，但對一些企業(yè)來說是必須的。可靠性是另一個(gè)驅(qū)動(dòng)因素：“如果您的 WiFi 不工作，您的洗衣機(jī)停止工作是否有意義？” 他說。

在某些情況下，延遲也很重要；某些應(yīng)用程序確實(shí)需要語音工作負(fù)載處理的實(shí)時(shí)保證，例如游戲。

成本是語音邊緣處理的另一個(gè)重要驅(qū)動(dòng)因素，因?yàn)樵谠浦刑幚磉@些語音數(shù)據(jù)需要花錢。每次使用云 API 時(shí)都付費(fèi)的商業(yè)模式不適用于家電和消費(fèi)電子等成本低且每天可能多次使用的用例。

PicoVoice 的 AI 語音到文本推理引擎被設(shè)計(jì)為在低于 1 美元的微控制器上獨(dú)立于云運(yùn)行，旨在在原本不可行的應(yīng)用程序中實(shí)現(xiàn)語音控制。這可能包括消費(fèi)類可穿戴設(shè)備和可聽設(shè)備，它們正處于需要基于微控制器的語音解決方案可以實(shí)現(xiàn)的功率效率和成本效率的交叉點(diǎn)。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 配合使用。Shepherd 支持 ST 和 NXP 的流行 Arm Cortex-M 微控制器，并支持正在開發(fā)的其他設(shè)備。

“我認(rèn)為語音是一個(gè)界面——如果你可以在不編碼的情況下構(gòu)建你的 GUI 或網(wǎng)站，也許使用 WordPress，以類似的方式構(gòu)建語音界面是下一個(gè)合乎邏輯的步驟，”Kenarsari-Anhari 說。“Shepherd 正在授權(quán)產(chǎn)品經(jīng)理和 UX 設(shè)計(jì)師構(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會(huì)怎樣？將其命名為他們想要的名稱 - 而不是 Alexa！——并賦予它他們想要的個(gè)性。”

雖然開發(fā)自然語言處理模型并在沒有專業(yè)軟件的情況下實(shí)現(xiàn)它們是完全可能的，但這條路線并不適合所有人。

“當(dāng)然可以——蘋果、亞馬遜、谷歌和微軟做到了，”他說。“這真的是關(guān)于一個(gè)企業(yè)是否有資源，是否致力于圍繞它建立一個(gè)組織，是否有能力等待幾年。”

未來的趨勢

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

Busch 描述了他最小的孩子是如何使用智能手機(jī)上的語音界面與他的朋友發(fā)短信的，他可以閱讀，但對于寫作和拼寫還太小。

“他的哥哥姐姐們發(fā)短信，但他這一代人比他們早幾年有了手機(jī)，”布施說。“隨著時(shí)間的流逝，對于他這一代和年輕一代來說，他們的默認(rèn)界面是與它交談。”

Busch 的觀點(diǎn)是，語音將成為“未來的觸摸屏”，設(shè)備內(nèi)處理首先在具有鍵盤或鼠標(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。

Syntiant 的芯片是專門的 AI 加速器，旨在處理功耗預(yù)算低至極低的消費(fèi)電子設(shè)備中的語音 AI 工作負(fù)載。迄今為止，這家初創(chuàng)公司已在全球出貨超過 1000 萬顆芯片，其中大部分已進(jìn)入手機(jī)以實(shí)現(xiàn)始終在線的關(guān)鍵字檢測。最新的 Syntiant 芯片NDP120可以識別“OK Google”等熱詞，以低于 280 μW 的功率激活 Google 助手。

在未來，Busch 還看到語音控制能夠?yàn)槊總€(gè)人實(shí)現(xiàn)連接和訪問技術(shù)。

“我們將聲音視為技術(shù)的偉大民主化者，”布希說。“世界上有 30 億人每天靠 2 美元過活。我的假設(shè)是那些人沒有互聯(lián)網(wǎng)接入，可能沒有通過教育系統(tǒng)。這里的自然界面是[speech]。這就是您如何將技術(shù)帶入當(dāng)今未與技術(shù)交互的第三個(gè)世界。我們看到發(fā)展中國家對語音優(yōu)先應(yīng)用程序產(chǎn)生了濃厚的興趣，以獲取以前可能無法訪問的社會(huì)群體，不僅從費(fèi)用的角度來看，而且從舒適的角度來看。”

市場分割

Knowles 的物聯(lián)網(wǎng)高級總監(jiān) Vikram Shirastava 告訴 EE Times，一個(gè)與語音一樣快速增長的市場的危險(xiǎn)在于，它可能會(huì)迅速變得極其分散，而不僅僅是硬件產(chǎn)品線。

“市場變得支離破碎，比如說，使用的是什么語音識別引擎？” 希拉斯塔瓦說。“市場會(huì)變得支離破碎，這取決于您是與電視 SoC 集成還是內(nèi)部是簡單的 MCU，例如微波爐。您會(huì)根據(jù)操作系統(tǒng)或聲學(xué)環(huán)境獲得碎片——它只是家嗎？是外面的門鈴嗎？不可能有一種萬能的解決方案。你必須找到這些垂直領(lǐng)域的共同點(diǎn)，并嘗試相應(yīng)地解決語音整合問題。”

Knowles 有一個(gè)基于 DSP 的語音控制解決方案，它打算為不同的垂直行業(yè)推出版本。它的方法是將市場碎片歸為具有共同點(diǎn)的市場——例如，家庭控制、電視條形音箱和遙控器可能屬于同一組——然后開發(fā)針對該組應(yīng)用進(jìn)行優(yōu)化的解決方案。Shirastava 將這種方法稱為“比統(tǒng)包低一級”，它提供統(tǒng)包的可擴(kuò)展性，但增加了一些靈活性。

“我們必須有一些不同的版本來解決這種碎片化的某個(gè)方面，以便我們能夠覆蓋我們想要追求的垂直領(lǐng)域，”他說。

Knowles 最近發(fā)布的 AISonic 藍(lán)牙標(biāo)準(zhǔn)解決方案是一款用于藍(lán)牙連接設(shè)備（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）的語音識別開發(fā)套件。該套件基于 Knowles 的 IA8201 雙核 DSP 芯片，該芯片專為神經(jīng)網(wǎng)絡(luò)處理而設(shè)計(jì)，功耗遠(yuǎn)低于應(yīng)用處理器。例如，該芯片可以在 50 mW 以下同時(shí)處理用于關(guān)鍵字定位、源分類、波束形成、聲學(xué)回聲消除 (AEC) 和源方向估計(jì)的單獨(dú) AI 模型。這是通過在 Tensilica DSP 內(nèi)核上用于音頻和 AI 處理的近 400 條自定義指令的指令集擴(kuò)展實(shí)現(xiàn)的，這反過來又允許降低時(shí)鐘頻率以節(jié)省功耗。

語音最終會(huì)成為大多數(shù)消費(fèi)類電子產(chǎn)品的默認(rèn)用戶界面嗎？看起來確實(shí)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)境以及不斷增長的能源和成本效益硬件解決方案生態(tài)系統(tǒng)的組合已經(jīng)出現(xiàn)，使這一切成為可能。

審核編輯 黃昊宇