隨著智能可穿戴設備的發(fā)展，語音交互正在迎來一個新的拐點。

它其實早已走進我們的生活，從可智能對話的機器人，到有事沒事“嘿 Siri”，再到風靡全球的智能音箱，“小度”、“小愛”……這些指令甚至是三歲孩童也能脫口而出。而隨著可穿戴設備的傳輸、續(xù)航、價格等痛點被逐個擊破，類似 TWS 耳機這樣的設備也有望普遍具備 AI 語音功能，讓 AI 能力隨身行走。

不過，語音喚醒——作為語音交互的第一步，在超低功耗場景下的性能、集成度、成本等突破就變得更加重要。

為可穿戴設備增加語音喚醒，難在哪里？

針對 TWS 等可穿戴設備，杭州國芯日前專門推出了一款 AI 語音喚醒芯片 GX8002，將 AI 喚醒做到了“微瓦”級別。

為什么要給 TWS 增加專門的語音喚醒能力？主要挑戰(zhàn)有哪些？杭州國芯 AI 事業(yè)部總經(jīng)理凌云告訴《與非網(wǎng)》，語音喚醒需要 Always on 工作狀態(tài)，這樣設備在休眠或鎖屏狀態(tài)下也能檢測到用戶的聲音，一旦接收到喚醒詞，立刻讓設備進入等待指令的狀態(tài)，開啟語音交互第一步。

由于需要持續(xù)工作，包含麥克風、ADC、語音處理識別等整個鏈路都要工作。因此在可穿戴設備中增加喚醒功能，最大的挑戰(zhàn)就是功耗，以往一些藍牙 SoC 芯片做這類應用，待機功耗需要十幾毫瓦，這對產(chǎn)品待機時間影響非常大。

方寸之間見天地——超低功耗、高集成度的背后

GX8002 采用了 MCU+NPU 架構，集成了國芯第二代自研神經(jīng)網(wǎng)絡處理器 gxNPU V200、平頭哥 CK804 處理器等。經(jīng)測試，該芯片在 VAD 待機模式下功耗低至 70μW，運行功耗為 0.6mW，支持多級喚醒，通過 NPU 能力，單芯片可實現(xiàn)語音喚醒、指令識別、AI 降噪、聲紋識別等眾多功能。

據(jù)了解，GX8002 超低功耗的背后，離不開兩大技術突破——自研神經(jīng)網(wǎng)絡處理器 gxNPU V200 和自研硬件 VAD。與第一代神經(jīng)網(wǎng)絡處理器相比，第二代專門針對低功耗進行了優(yōu)化，計算能效達到了普通 DSP 的 10 倍以上。支持 DNN/CNN/RNN 等各種模型，自動實現(xiàn)網(wǎng)絡量化壓縮，可以和 TensorFlow 等訓練平臺直接對接。

同時，國芯設計了全新的 VAD 模塊，通過增加更多特征分析來判斷人聲，過濾能力更強。凌云表示，傳統(tǒng) VAD 大多是基于聲音的能量來做 VAD 判斷，當處于嘈雜環(huán)境時容易失效。為此，國芯設計了全新的 VAD 模塊，通過對信號進行頻譜分析，抽取語音的多個特征信息，進行智能判斷。同時會跟蹤環(huán)境的底噪，自動調整判決的閾值。而所有的 VAD 處理都是通過硬件實現(xiàn)的，不依賴于主系統(tǒng)，這對于所有的 AI 語音應用都是有效的，對低功耗產(chǎn)品則更加重要。

除了將復雜邏輯硬件化，提升 VAD 的待機比例對于整個產(chǎn)品的功耗降低也非常有價值，根據(jù)實際測試，在辦公室、地鐵、馬路、咖啡館等場合，GX8002 可以讓 VAD 待機的比例平均達到 70%以上，即 70%以上時間處于 70μW 的 VAD 待機模式。通過 VAD 的有效過濾，芯片日常使用的平均功耗基本低于 300μW。

“傳統(tǒng)的語音 AI 主要還是以 CPU 軟解為主，在一些功耗成本不敏感的產(chǎn)品可以繼續(xù)使用”，凌云表示，“但是在可穿戴設備市場，必須要追求極致。”

為了將喚醒部分所占用的體積盡可能縮減，國芯將喚醒所需的所有部件進行了集成，包括音頻 ADC、Flash、電源 LDO 等，甚至還有晶振。單芯片就可以完成所有喚醒工作，無需外圍器件。

GX8002 首批產(chǎn)品采用 QFN20，3mm*3mm 封裝，五月份已量產(chǎn)，預計今年下半年會有相關產(chǎn)品陸續(xù)上市。據(jù)稱，Q3 還將推出更小的 WLCSP 封裝，尺寸可達 1.4*2.4mm，滿足更加精密產(chǎn)品的需求。

TWS+語音 AI 是未來趨勢

TWS——已經(jīng)成為智能音箱之后一個新的現(xiàn)象級應用。根據(jù) IDC 數(shù)據(jù)顯示，TWS 耳機 2019 年全球出貨量為 1.705 億臺，與 2018 年的 4860 萬臺相比，增長了 250.5％，占據(jù)整個可穿戴設備市場的 50.7%。

剖析 TWS“網(wǎng)紅體質”的背后，不僅僅是可觀的市場規(guī)模，還有它作為 AIoT 智能連接入口的潛質。過去認為 AI 多用于機器人，后來發(fā)現(xiàn)似乎不需要這么復雜的身軀，智能音箱爆發(fā)了。而僅靠語音喚醒就可以獲得 AI 能力，其實這個載體還可以更小。

在 TWS 第一波市場潮流中，主流的藍牙音頻供應商盆滿缽盈，于是更多的小玩家涌入，試圖切一角蛋糕。但是，正如所有消費電子的發(fā)展趨勢一樣，如果沒有差異化賣點和功能創(chuàng)新，市場將很快走向紅海，陷入價格的侵蝕之中。

對于廣大投身于 TWS 的中小品牌來說，突破無線連接、通話體驗的同時，產(chǎn)品本身的創(chuàng)新點也是增加消費者粘性的重要因素。國芯最新的語音喚醒芯片，對于這些廠商顯得尤為及時。GX8002 幾乎適配市場上所有的藍牙方案，它與藍牙芯片搭配使用，就如同增加了一個語音開關按鍵，通過共用的麥克風，實現(xiàn)語音觸發(fā)。

這就極大地方便了那些使用成熟藍牙方案的設備商，在不改變原有主體設計的情況下，疊加 AI 芯片，就可以將藍牙耳機升級為智能耳機，滿足了靈活、快速的設計需求。價格方面，國芯采用了累積采購量的階梯價格模式，起步價 0.65 美元，盡量減輕成本負擔。

TWS 加入語音 AI 將成為趨勢。對于品牌耳機來說，能夠在硬件方面更進一步，打通硬件品質、軟件服務的體驗；白牌耳機則可以在保證高性價比的前提下提供更豐富的功能。

目前，國芯已經(jīng)打通了杰理、恒玄、絡達、瑞昱、博通、易兆微、中科藍訊等藍牙合作方，這將為設備商大大節(jié)省具有 AI 語音能力的 TWS 研發(fā)周期。

“國芯盡量通過技術優(yōu)化提升 AIoT“入口”建設的便利性，并提升產(chǎn)品的體驗。通過在 AI 語音領域的持續(xù)耕耘，將 AI 技術應用到各種場景，之前已經(jīng)有了高性能的產(chǎn)品應用在智能家居和車載領域，GX8002 的推出補齊了低功耗和近場的應用”，凌云表示，“目前我們完成了人 - 車 - 家的全場景覆蓋，AI 語音產(chǎn)品可以說是國內市場上較為齊全的。”

當前，AI 的兩大應用當屬語音和視覺，這兩大領域之間也有著一定的傳承性和關聯(lián)性。語音 AI 仍是一個早期成長中的市場，國芯一方面在擴大覆蓋場景，另一方面也在尋找體量較大的細分市場（例如車載、TWS 等），進行更深入、更有針對性地布局。據(jù)凌云透露，未來，國芯會在語音業(yè)務的基礎上，開拓視覺 AI 業(yè)務，以及語音+視覺的多模態(tài)產(chǎn)品方向。