XMOS 剛剛推出了其 XVF3510 下一代語音處理器，它只需使用兩個麥克風(fēng)就可以從擁擠的音頻環(huán)境中提取單個聲音。

XMOS的那些聰明人讓我們離在我們與之交互的幾乎所有設(shè)備中嵌入用于語音控制的“耳朵”更近了一步。

提醒一下，XMOS 是一家無晶圓半導(dǎo)體公司，開發(fā)語音解決方案、音頻產(chǎn)品和能夠同時執(zhí)行實(shí)時任務(wù)、極端數(shù)字信號處理 (DSP) 和控制流的多核微控制器。XMOS 微控制器以其確定性（可預(yù)測的）行為而著稱。

讓我們從底層的 xCORE 多核微控制器技術(shù)開始，它包含多個通過高速開關(guān)連接的“處理器塊”。每個處理器塊都是一個傳統(tǒng)的 RISC 處理器，可以同時執(zhí)行多達(dá) 8 個任務(wù)。任務(wù)可以通過通道（可以連接到本地磁貼上的任務(wù)或遠(yuǎn)程磁貼上的任務(wù)）或使用內(nèi)存（僅用于在同一磁貼中運(yùn)行的任務(wù)）相互通信。

xCORE 架構(gòu)在硬件中提供了許多通常在實(shí)時操作系統(tǒng) (RTOS) 中看到的元素。這包括任務(wù)調(diào)度程序、計時器、I/O 操作和通道通信。通過消除時序不確定性的來源（中斷、緩存、總線和其他共享資源），xCORE 設(shè)備可以為許多應(yīng)用程序提供確定性和可預(yù)測的性能。任務(wù)通?？梢栽诩{秒內(nèi)響應(yīng)外部 I/O 或計時器等事件。這使得對 xCORE 設(shè)備進(jìn)行編程以執(zhí)行原本需要專用硬件的硬實(shí)時任務(wù)成為可能。

2017年，XMOS收購了Setem Technologies。正如我在我的專欄“ XMOS + Setem 可能成為嵌入式語音的游戲規(guī)則改變者”中所寫：“Setem 的 chaps 和 chapesses 是高級盲源信號分離技術(shù)的先驅(qū)。他們的專利算法使消費(fèi)者設(shè)備能夠在擁擠的音頻環(huán)境中專注于特定的語音或?qū)υ?，從而?yōu)化語音識別系統(tǒng)的輸入。”

我家里有兩臺 Amazon Echo/Dot 設(shè)備，辦公室里有一臺（我問我的妻子 Gina the Gorgeous，為什么她在竊竊私語?！拔衣犝f亞馬遜的人可能在聽我們說話，”她說。我笑了，吉娜笑了，亞歷克薩笑了……）。我認(rèn)為這些設(shè)備很棒，但它們確實(shí)需要一組七個麥克風(fēng)，這增加了整體解決方案的成本和物理占用空間。

擁有多個麥克風(fēng)可以讓系統(tǒng)更好地檢測和消除噪音，執(zhí)行回聲消除等操作，并確定聲源的位置，例如說話的人。當(dāng)然，當(dāng)你想一想時，我們只用兩只耳朵就可以完成所有這些事情（我不了解你，但我認(rèn)為我的頭上沒有足夠的空間來容納七只耳朵，至少沒有其中一個妨礙了）。

毫不奇怪，XMOS 的人們也發(fā)現(xiàn)了這一點(diǎn)，這就是為什么他們剛剛推出了新的 XVF3510 下一代語音處理器，該處理器可以僅使用兩個麥克風(fēng)從擁擠的音頻環(huán)境中提取單個聲音。

XVF3510 安裝在 PCB 上（來源：XMOS）

XVF3510 上運(yùn)行的算法包括干擾消除（消除點(diǎn)噪聲源以消除不需要的背景噪聲）、立體聲回聲消除（抑制不需要的揚(yáng)聲器回聲并啟用強(qiáng)插）和自適應(yīng)延遲估計（動態(tài)調(diào)整音頻參考信號延遲，從而確?；芈曄惴ㄌ峁┝鲿车膶?shí)時體驗(yàn)）。

這些算法和其他算法使 XVF3510 能夠智能地工作以分析聲學(xué)環(huán)境并識別和隔離房間中的所有其他聲音（包括通過設(shè)備本身的任何媒體流）中的語音命令，從而實(shí)現(xiàn)近距離的遠(yuǎn)場語音捕獲精確。

作為該公告的一部分，XMOS 的團(tuán)隊還宣布了一個新的基于 XVF3510 的 VocalFusion 開發(fā)套件，用于 Alexa 語音服務(wù) (AVS)，它指的是亞馬遜圍繞其語音控制 AI 助手 Alexa 構(gòu)建的服務(wù)套件（查看此視頻以查看開發(fā)套件的實(shí)際運(yùn)行情況）。

適用于 Amazon AVS 的基于 XVF3510 的 VocalFusion 開發(fā)套件（來源：XMOS）

在右側(cè)，我們看到一個小型的兩個麥克風(fēng)陣列連接到帶有 XVF3510 的電路板。同時，左側(cè)（頂部）看到的防護(hù)罩插入了 Raspberry Pi（底部）。（請注意，用于 AVS 的 VocalFusion 開發(fā)套件中不包含 Raspberry Pi。）

XVF3510 語音處理器每年訂購超過 100 萬臺時，每顆芯片僅需 0.99 美元（小批量起價為 1.39 美元），將使制造商能夠經(jīng)濟(jì)地將語音接口嵌入到智能電視和機(jī)頂盒等大眾市場消費(fèi)產(chǎn)品中.

我不了解你，但對于支持人工智能的語音控制未來，我既興奮又充滿恐懼。一方面，我可以很容易地想象自己在四處閑逛，告訴設(shè)備和系統(tǒng)我想讓它們做什么來讓我的生活更輕松、更愉快。另一方面，我也可以想象一個世界，在這個世界里，我被電器、裝置、小玩意和小玩意兒包圍著，它們都在爭先恐后地吸引我的注意力，我無法讓它們停止與我交談。你呢？你是興奮還是害怕？

審核編輯 黃昊宇