Меньше встроенных ушей, больше устройств с голосовым управлением

Эти умные люди из XMOS только что приблизили нас на один шаг к внедрению «ушей» для голосового управления практически в каждое устройство, с которым мы взаимодействуем.

Напоминаем, что XMOS - это компания, занимающаяся производством полупроводников, которая разрабатывает голосовые решения, аудиопродукты и многоядерные микроконтроллеры, способные одновременно выполнять задачи в реальном времени, экстремальную обработку цифровых сигналов (DSP) и поток управления. Микроконтроллеры XMOS отличаются своим детерминированным (предсказуемым) поведением.

Начнем с лежащей в основе технологии многоядерных микроконтроллеров xCORE, которая состоит из нескольких «процессорных плиток», соединенных высокоскоростным переключателем. Каждая плитка процессора представляет собой обычный RISC-процессор, который может одновременно выполнять до восьми задач. Задачи могут взаимодействовать друг с другом по каналам (которые могут подключаться к задачам на локальной плитке или к задачам на удаленных плитках) или с использованием памяти (только для задач, выполняемых в одной плитке).

Архитектура xCORE предоставляет аппаратно многие элементы, которые обычно присутствуют в операционной системе реального времени (RTOS). Сюда входят планировщик задач, таймеры, операции ввода-вывода и связь по каналам. Устраняя источники неопределенности времени (прерывания, кеши, шины и другие общие ресурсы), устройства xCORE могут обеспечивать детерминированную и предсказуемую производительность для многих приложений. Задача обычно может реагировать за наносекунды на такие события, как внешний ввод-вывод или таймеры. Это позволяет программировать устройства xCORE для выполнения задач в реальном времени, которые в противном случае потребовали бы специального оборудования.

В 2017 году XMOS приобрела Setem Technologies. Как я писал в своей колонке «XMOS + Setem может изменить правила игры для встраиваемой речи»:«Руководители компании Setem являются пионерами технологии Advanced Blind Source Signal Separation. Их запатентованные алгоритмы позволяют потребительским устройствам сосредоточиться на конкретном голосе или разговоре в многолюдной звуковой среде для достижения оптимального ввода в системы распознавания речи ».

У меня есть два устройства Amazon Echo / Dot дома и одно в моем офисе (я спросил свою жену, Джину Великолепную, почему она шепчет. «Я слышала, что люди в Amazon могут нас слушать», - сказала она. Я засмеялся. , Джина засмеялась, Алекса засмеялась…). Я считаю, что эти устройства прекрасны, но для них требуется набор из семи микрофонов, что увеличивает как стоимость, так и занимаемую площадь в целом.

Наличие нескольких микрофонов позволяет системе лучше обнаруживать и удалять шум, выполнять такие действия, как подавление эха, и определять местоположение источников звука, например говорящего человека. Конечно, если подумать, нам удается делать все это с помощью всего лишь двух ушей (я не знаю, как вы, но не думаю, что у меня на голове достаточно места, чтобы вместить семь ушей без хотя бы один из них мешает).

Неудивительно, что люди из XMOS также заметили это, поэтому они только что представили свой новый голосовой процессор следующего поколения XVF3510, который может извлекать отдельный голос из многолюдного звукового ландшафта, используя всего два микрофона.

<центр>
XVF3510 на печатной плате (Источник:XMOS)

Алгоритмы, работающие на XVF3510, включают в себя подавление помех (которое обнуляет точечные источники шума для подавления нежелательного фонового шума), подавление стереоакустического эха (которое подавляет нежелательное эхо динамика и позволяет вмешиваться) и адаптивную оценку задержки (которая динамически регулирует опорный сигнал звука. задержки сигнала, тем самым обеспечивая бесперебойную работу алгоритмов эхоподавления в реальном времени).