Голосовое управление с двумя микрофонами: XMOS представляет XVF3510 для уменьшения габаритов устройства

XMOS, ведущая бесзаводская полупроводниковая фирма, сделала решительный шаг к внедрению голосового управления в повседневные устройства. Их новый голосовой процессор XVF3510 демонстрирует, как всего два микрофона могут обеспечить надежное распознавание речи в реальном времени, резко снижая стоимость и размер.

Для контекста, XMOS специализируется на голосовых решениях, аудио-продуктах и многоядерных микроконтроллерах, выполняющих задачи реального времени, интенсивную цифровую обработку сигналов (DSP) и поддерживающих детерминированное поведение. Их архитектура xCORE соединяет несколько плиток RISC-процессоров через высокоскоростной коммутатор, позволяя каждой плитке выполнять до восьми задач одновременно. Задачи общаются через каналы — будь то локальные или удаленные — и при необходимости через общую память.

Дизайн xCORE встраивает основные функции RTOS — планирование задач, таймеры, I/O и канальную коммуникацию — непосредственно в железо. Устраняя неопределенность тайминга, такую как прерывания, кэши и общие шины, xCORE-устройства могут реагировать на внешние события за наносекунды, обеспечивая жесткие приложения реального времени без выделенного железа.

В 2017 году XMOS приобрела Setem Technologies, пионеров продвинутого слепого разделения источников. Запатентованные алгоритмы Setem позволяют потребительским устройствам изолировать один голос среди фонового шума, повышая точность распознавания речи.

Типичные голосовые ассистенты, такие как Amazon Echo и Echo Dot, полагаются на массивы из семи микрофонов для фильтрации шума, отмены эха и определения местоположения говорящего. Хотя эффективно, этот подход повышает стоимость и пространственные требования. XVF3510 XMOS решает эти проблемы, доставляя сравнимую производительность всего с двумя микрофонами.

XVF3510 на печатной плате (Источник: XMOS)

Прошивка XVF3510 включает продвинутую отмену интерференций для подавления нежелательных фоновых звуков, стерео акустическую отмену эха для устранения эха колонки и возможности барджинга, и адаптивную оценку задержки для динамической настройки задержки опорного сигнала. Вместе эти функции обеспечивают плавный аудио-опыт в реальном времени.