超低功耗解決方案如何賦能Always-on語音交互系統，針對這個問題，這篇文章詳細介紹了相對應的分析和解答，希望可以幫助更多想解決這個問題的小伙伴找到更簡單易行的方法。

消費者越來越需要可以隨時通過語音控制的產品，可以與數字世界更加安全的和自然的交互。

特別是隨著COVID-19在全球的肆虐，也在深刻改變著人們的生活習慣 - 更加傾向于避免物理的接觸，而傾向于不用手的語音交互方式。

人們對公眾場合各種接觸界面病毒傳播的擔憂，正在驅動語音交互更加快速的進入到包括智慧城市，智能家居，以及各種工業應用中去。

直到先進的能量效率(power-efficient)更高的硬件和軟件技術的發展，各種編寫的和需要電池驅動（battery powered products）產品實現隨時的語音監聽和交互才成為了可能。

以下內容來自于Ambiq+Vesper+DSPC聯合發布的白皮書，共同探討了技術，應用的突破，如何使超低功耗的Always-on語音交互產品成為了可能。

以前的一些語音交互產品，需要以案件的方式(Push-to-talk)喚醒設備，而不是通過喚醒詞。而在Always-on語音交互系統中，比如Amazon Echo, Apple HomePod, Google Home等已經采用喚醒詞環形的方式，如Alexa和OK Google。

包括Sensory, Ambiq, Vesper, DSPG正在協力(in tandem)力求在提升語音交互體驗的同時，降低系統功耗，如Ambiq的微控制器其功耗僅為其他傳統處理器的十分之一，而Vesper的麥克風也將總體系統功耗進一步降低為傳統系統的十分之一。

SPOTbyAmibiq

得益于其SPOT(Sub-threshold Power Optimized Technology)，Ambiq的MCU和SoCs僅需傳統音頻處理器的十分之一的安培，非常適合于超低功耗的聽力設備，穿戴設備和其他移動設備(hearables, wearables, and other mobile applications)。

Adaptive ZPL by Vesper

Vesper麥克風提供前所未有的ZPL引擎，可以實時監聽音頻信號水平并隨后激活音頻處理器處理特定的音頻(activate hibernating audio processor in response to a specific audio event)，從而將系統總體功耗進一步減低90%。

Audio Weaver by DSP Concept

TalkTo音頻前端處理算法及Audio Weaver平臺可以通過簡單的拖拽的方式(drag-and-drop)界面開發先進的基于嵌入式處理器的語音相關設計。

Sensory可提供其中的語音喚醒詞識別引擎和喚醒詞模型。

需要Always-on語音交互的典型應用-

Always-on語音控制便攜設備所面臨的技術挑戰 -

高功耗

電池驅動的便攜設備由于尺寸的限制，不能采用較大容量的電池，同時處理器有需要對語音喚醒詞做出即時反應(ultra-responsive)，因此需要至少一個麥克風處于時刻監聽狀態。

同時由于電池驅動的便攜設備由于產品形態和產品尺寸限制，需要依靠高度集成的SOC處理器，因此很難通過關閉一部分功能來降低功耗。

待機時間

廠商在不斷提升產品單次充電使用時長上面臨著持續的競爭和挑戰，如一般的TWS耳機均已經實現單次充電可使用5個小時以上，結合電池倉則可以方便的延長產品的使用壽命。

不可靠的互聯網鏈接

穿戴產品通常作為手機的附件，通過低功耗藍牙與手機通信，而網絡在很多地方是不可靠的。因此設備本身，需要具備一定的小單詞量語音識別的處理能力。(process a small vocabulary of voice commands )

產品形態和結構設計限制

環境因素限制

語音驅動產品的麥克風需要滿足在復雜環境情況下的正常使用，如IPX5和IPX7。

便攜語音控制設備的硬件選型 -

麥克風陣列

環形陣列，比如應用于智能音箱的產品。常用于家庭電器和TV的麥克風陣列，但是受限于不同產品的空間布局，如間距10到20毫米的要求，如TWS耳機僅僅可能支持兩個麥克風的布局。

關于麥克風選型 -

比如Vesper的VM3011在"wake on sound“模式下，僅需消耗10微安的電流，通過超低功耗的模擬電路，可以監聽和給你總環境聲水平，僅僅在監聽識別到高于背景噪音的聲音后才會激活后端系統，可以使系統在81%到92%時間內處于睡眠狀態，從而可以極大的降低系統功耗。

音頻處理器的選型 -

Ambiq的SPOT技術加持的Apollo處理器僅消耗傳統音頻處理器十分之一的電池能量。

比如Apollo 2和Apollo 3 Blue -

Apollo 3更是將功耗進一步降低(6微安每MHz)，將主頻進一步提升，支持多麥克風信號的處理。

語音驅動編寫產品的軟件和算法 -

基本的算法結構包括 -

Sound Detector

如Vesper的ZPL自適應麥克風當聲音超過一定閾值之后，如用戶呼叫喚醒詞，麥克風就會識別并發出信號激活系統，且整個的反應時間不超過200微秒。

Noise reduction and filtering

如Vesper ZPL可以過濾掉環境噪聲

Beamforming

通過處理多個麥克風信號來獲取聲音的指向性信息，只接受特定方向的聲音型號，而拒絕來自其他方向的聲音信號。對于諸如耳機或者是車載環境下的麥克風陣列，其用戶聲源的方向性是確定的（the direction of the user's voice relative to the microphone array is known)，而對于其他設備如智能音箱，遙控器，安裝在墻上的家庭設備自動語音控制器等等，聲源信息是不確定性的。

Acoustic Echo Canceling

回音消除會拒絕掉來自設備自身的聲音，這樣可以更清楚地提取用戶的聲音，盡可能地降低用戶聲音的回路畸變(distortion)，對于獲得更好的AEC性能是非常重要的。DSPC的立體聲AEC算法，可以消除高達35dB的回聲。

Wake-worddetecion

當設備檢測到聲音激活處理單元，會將音頻錄音與預先存儲的喚醒詞數字文件進行比對，如果其波形與存儲模型非常接近，那么設備將開始接收語音命令信號。

不同于其他的便攜設備，對于智能音箱只需要檢測喚醒就可以了，而將接下來的語音命令識別上傳至云端完成(offload other voice recognition tasks to an external cloud)。通常喚醒詞識別由設備端完成，但如AMAZON也可在云端執行進一步的更準確的喚醒詞識別(enable additional wake word checks in cloud)。

Adaptive Interference Canceler

Local Command Set Recognition

由于很多的便攜設備實際上并沒有連接到互聯網云端，因此需要在設備端自己完成包括喚醒詞和語音命令在內的語音識別和交互，而這些本地語音命令所執行的功能通常會非常有限，如PLAY, PAUSE, SKIP TRACK, REPEAT, ANSWER CALL等等。

其他通過藍牙或WIFI連接到手機的穿戴類產品如耳機，則可以在手機端完成語音命令的識別。

Real-word Products

在真實的產品環境中，如運行于Ambiq Apollo 3和DSP Concept TalkTo算法的遙控器，在一米的測試距離，同時兩米開外有TV以62-78dB播放音頻，而語音的播放聲強為65dB，其獲得的SNR如下-

單麥克風需要之上3dB的SNR才可以達到喚醒詞識別率超過80%，2-Mic波束成形加上單信道噪音消除(SCNR, Single Channel Noise Reduction)算法與AIC一樣僅需要0dB SNR。

隨著SNR逐步惡化，AIC可獲得更加的性能，如-6dB SNR下約10%的性能替提升。

Algorithm Tuning算法調教

以上的算法相當的復雜，需要針對具體產品，如便攜穿戴產品與家居產品，其使用環境和使用場景相當不同，需要做出相應的調整(be adjusted to suit the application, where the environment and use patterns are quite different)。以下為需要調教的算法功能以便獲取最優的語音識別精度(optimum voice recognition accuracy)。

Detection/Wake Threshold

如何正確的平衡喚醒率和誤喚醒率需要在不同的use case綜合考慮。比如遙控器通常在1米左右的操作距離，一般需要把喚醒靈敏度閾值設置的較低些，而穿戴產品一般則需要設定的較高些以避免誤喚醒。

對于其他的便攜設備來說，理想狀態是可以依據不同的噪音環境動態調節家已補償(adjusted dynamically to compensate for varing level of ambient sounds)。

Noise Reduction/Canceling

設備需要針對不同應用的不同噪音類型進行調校而實現降噪的功能。(be tuned to reject different types of noises depending on their application)。比如車載環境下的不同速度的路噪和引擎噪音相對來說是確定性的，因此相對容易的可以調校語音識別系統去除此類噪聲。

同時消噪算法也可以根據變化的環境而動態的調整(funtions dynamically by adapting to the chaning environment)。

BeamformerBeamwidth

Beamwidth相對來說越緊的話，其對環境噪音的屏蔽就越好，但同時也會造成在用戶輕微移動的時候容易發生無法提取用戶聲音的情況(beamwidth too tight causes the unit to reject the user's voice if the user moves slightly)。

對于耳機產品來說，用戶與產品麥克風之間的相對位置是固定的，因此可以將Beamwidth設置的較為緊(tight)些，而對諸如遙控器產品或者是家用的控制面板(home automation panel)，Beamwidth應設置的寬些(wider)以便在用戶移動的時候，也可以拾取用戶的聲音。

Wake/Sleep Strategies

確保產品省點的方法之一是盡可能的使產品處于休眠狀態，當然更需要的是平衡，如果過于快速的讓設備進入休眠狀態，可能會無法捕捉用戶在喚醒詞激活后的語音命令。用戶不得已要再次說出喚醒詞，這樣會讓人相當的抓狂。但是如果讓設備進入休眠狀態過慢，又會造成不必要的電量的消耗。

其中語音識別引擎部分，可選用Sensory TrulyHandsFree -

總結

以上是生活随笔為你收集整理的超低功耗解决方案如何赋能Always-on语音交互系统的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。