便攜式產(chǎn)品中語(yǔ)音命令的軟件算法

允許始終在線(xiàn)、始終收聽(tīng)的語(yǔ)音命令產(chǎn)品運(yùn)行的算法必然是復(fù)雜的。他們必須24/7/365對(duì)喚醒詞保持警惕;可靠地識(shí)別喚醒詞;盡可能將用戶(hù)的聲音與周?chē)脑胍舾綦x開(kāi)來(lái);并產(chǎn)生足夠干凈的信號(hào)，供語(yǔ)音識(shí)別引擎使用。有許多不同的算法在起作用，所有這些算法都必須進(jìn)行調(diào)整以適應(yīng)產(chǎn)品的設(shè)計(jì)和應(yīng)用。便攜式產(chǎn)品的設(shè)計(jì)和功耗要求可能會(huì)影響這些算法的功能。

基本算法結(jié)構(gòu)

下面是語(yǔ)音命令算法包的基本組件。在這里，它們按從麥克風(fēng)端到最終信號(hào)輸出的順序呈現(xiàn)。

聲音探測(cè)器：通常，來(lái)自單個(gè)麥克風(fēng)的信號(hào)使用比較器進(jìn)行監(jiān)控。當(dāng)信號(hào)電平超過(guò)特定閾值時(shí)（例如當(dāng)用戶(hù)說(shuō)出喚醒詞時(shí)），比較器會(huì)發(fā)送命令以打開(kāi)系統(tǒng)其余部分的電源。此功能在家用產(chǎn)品中可能不是必需的，在家用產(chǎn)品中，功耗不是問(wèn)題，并且可以隨時(shí)為更多的系統(tǒng)供電，但它對(duì)便攜式產(chǎn)品至關(guān)重要，因?yàn)樗试S關(guān)閉更多組件以節(jié)省電源。此功能還必須快速發(fā)生，以便系統(tǒng)能夠接收喚醒字。例如，上面引用的Vesper VM1010，麥克風(fēng)在50 μs內(nèi)喚醒，遠(yuǎn)遠(yuǎn)小于在任何關(guān)鍵字中說(shuō)出第一個(gè)字母所需的時(shí)間。

降噪和濾波：為了提高聲音檢測(cè)功能，它有助于過(guò)濾掉聲音，例如來(lái)自汽車(chē)，HVAC系統(tǒng)和風(fēng)的噪音，這些聲音顯然不是人類(lèi)的聲音，因此語(yǔ)音識(shí)別系統(tǒng)可以安全地忽略。通過(guò)麥克風(fēng)的選擇、產(chǎn)品的物理設(shè)計(jì)或音頻處理，產(chǎn)品可以（如上面引用的 Vesper VM1010 麥克風(fēng)）過(guò)濾掉人類(lèi)人聲范圍（大約跨越 100 Hz 到 6 kHz）之外的聲音。音頻處理還可以消除重復(fù)的聲音，例如冰箱噪音。但是，這些功能可能需要打開(kāi)處理器電源，這可能會(huì)影響便攜式產(chǎn)品的電池壽命。

喚醒詞檢測(cè)：一旦系統(tǒng)檢測(cè)到聲音并通電，它必須錄制傳入的音頻并將其與喚醒詞的存儲(chǔ)數(shù)字文件（例如亞馬遜Echo的“Alexa”）進(jìn)行比較。如果傳入音頻的波形與存儲(chǔ)的文件足夠接近，則設(shè)備將接受語(yǔ)音命令。

到達(dá)方向檢測(cè)：為了使麥克風(fēng)陣列專(zhuān)注于用戶(hù)的聲音，它必須首先確定用戶(hù)相對(duì)于產(chǎn)品的位置。處理器通過(guò)比較來(lái)自麥克風(fēng)的信號(hào)的相位信息來(lái)確定到達(dá)方向。它還必須包括拒絕來(lái)自附近物體的用戶(hù)聲音反射的優(yōu)先邏輯，并且必須調(diào)整其工作閾值以補(bǔ)償環(huán)境噪聲水平，以便環(huán)境噪聲不會(huì)產(chǎn)生錯(cuò)誤的方向線(xiàn)索。請(qǐng)注意，在耳機(jī)等產(chǎn)品中，可能不需要確定到達(dá)方向，在這些產(chǎn)品中，用戶(hù)嘴巴相對(duì)于麥克風(fēng)陣列的物理位置是已知的。

波束成形：麥克風(fēng)陣列的原因是可以處理來(lái)自多個(gè)麥克風(fēng)的信號(hào)，以使陣列變得定向;來(lái)自確定的到達(dá)方向的聲音被接受，而來(lái)自不同方向的聲音被拒絕。對(duì)于某些產(chǎn)品，例如耳機(jī)和汽車(chē)音頻系統(tǒng)，用戶(hù)的聲音相對(duì)于麥克風(fēng)陣列的方向是已知的，因此波束成形器的方向可能是永久固定的。在智能揚(yáng)聲器、遙控器和家庭自動(dòng)化墻板等設(shè)備中，必須確定波束成形器所需的聚焦方向，并調(diào)整陣列的響應(yīng)以聚焦于用戶(hù)的方向。

回聲消除：回聲消除會(huì)抑制來(lái)自設(shè)備本身的聲音（如音樂(lè)或公告），以便陣列可以更清晰地拾取用戶(hù)的聲音。由于原始信號(hào)和設(shè)備內(nèi)部揚(yáng)聲器的響應(yīng)是已知的，因此通過(guò)麥克風(fēng)返回的信號(hào)可能會(huì)被拒絕。然而，來(lái)自周?chē)矬w的這種聲音的回聲 - 這是時(shí)間延遲的并且頻率內(nèi)容改變 - 也必須被抑制。AEC 在頭戴式耳機(jī)和入耳式等產(chǎn)品中不是必需的，因?yàn)閬?lái)自產(chǎn)品揚(yáng)聲器的聲音是有限的，并且通常沒(méi)有足夠的聲音泄漏出來(lái)以影響產(chǎn)品麥克風(fēng)的性能。

本地命令集識(shí)別：由于便攜式產(chǎn)品可能無(wú)法像今天的智能揚(yáng)聲器那樣依賴(lài)Internet連接，因此它們可能需要在沒(méi)有外部服務(wù)器幫助的情況下自行識(shí)別一定數(shù)量的基本功能命令。這些命令通常僅限于基本功能，如播放、暫停、跳過(guò)曲目、重復(fù)和應(yīng)答呼叫。識(shí)別這些命令的工作方式與喚醒詞檢測(cè)的工作方式相同。但是，即使命令集有限，與只需要識(shí)別其喚醒詞并將其他語(yǔ)音識(shí)別任務(wù)卸載到外部連接 Internet 的服務(wù)器相比，對(duì)本地命令集識(shí)別的需求也會(huì)增加處理器的負(fù)載。

算法調(diào)優(yōu)

上述每種算法的功能都很復(fù)雜，必須進(jìn)行調(diào)整以適應(yīng)應(yīng)用，特別是在便攜式產(chǎn)品中，其環(huán)境和使用模式可能與家用產(chǎn)品不同。以下是必須調(diào)整以獲得最佳語(yǔ)音識(shí)別準(zhǔn)確性的算法函數(shù)。

檢測(cè)/喚醒閾值：聲音檢測(cè)和喚醒詞檢測(cè)的閾值級(jí)別必須設(shè)置得足夠高，以最大程度地減少設(shè)備的錯(cuò)誤觸發(fā)，但又要足夠低，以便用戶(hù)可以在正常說(shuō)話(huà)級(jí)別對(duì)設(shè)備進(jìn)行尋址。特別是在便攜式產(chǎn)品中，可能需要?jiǎng)討B(tài)調(diào)整這些電平，因此性能會(huì)進(jìn)行調(diào)整以補(bǔ)償不同級(jí)別的環(huán)境聲音。動(dòng)態(tài)補(bǔ)償?shù)墓δ鼙旧肀仨氝M(jìn)行調(diào)整。

降噪/降噪：根據(jù)應(yīng)用的不同，可能會(huì)遇到不同類(lèi)型的噪聲，并且可以對(duì)設(shè)備進(jìn)行調(diào)整以抑制它們。例如，制造商知道任何給定汽車(chē)在不同速度下的道路和發(fā)動(dòng)機(jī)噪音的頻譜，因此可以調(diào)整語(yǔ)音識(shí)別系統(tǒng)以拒絕這些聲音。降噪/消除算法也可以動(dòng)態(tài)運(yùn)行，適應(yīng)不斷變化的環(huán)境，但這種動(dòng)態(tài)功能也必須進(jìn)行調(diào)整。

波束成形器波束寬度：波束成形器的波束寬度越緊，它就越能抑制環(huán)境聲音和來(lái)自其他物體的用戶(hù)聲音反射。但是，如果用戶(hù)稍微移動(dòng)，則將波束寬度設(shè)置得太緊將導(dǎo)致設(shè)備拒絕用戶(hù)的聲音。在耳機(jī)和頭戴式耳機(jī)等產(chǎn)品中，用戶(hù)語(yǔ)音的到達(dá)方向沒(méi)有變化，光束寬度可以設(shè)置得很緊，但在遙控器和家庭自動(dòng)化面板等產(chǎn)品中，必須設(shè)置得更寬，以適應(yīng)用戶(hù)說(shuō)話(huà)時(shí)的移動(dòng)。

喚醒/睡眠策略：如前所述，最大限度地降低功耗的目標(biāo)之一是使設(shè)備盡可能頻繁地進(jìn)入睡眠狀態(tài)，并使其盡可能長(zhǎng)時(shí)間保持睡眠狀態(tài)。但是，此目標(biāo)需要權(quán)衡利弊。如果設(shè)備在使用后進(jìn)入睡眠狀態(tài)的速度太快，則可能會(huì)錯(cuò)過(guò)喚醒詞后面的命令，并要求用戶(hù)再次說(shuō)出喚醒詞，這可能會(huì)使用戶(hù)感到沮喪。如果設(shè)備保持喚醒的時(shí)間超過(guò)必要的時(shí)間，它將消耗比所需更多的功率。

DSP概念的語(yǔ)音UI算法經(jīng)過(guò)專(zhuān)門(mén)設(shè)計(jì)，可以輕松調(diào)整上述所有功能，并創(chuàng)建自定義處理配置，以適應(yīng)任何便攜式或電池供電的語(yǔ)音命令產(chǎn)品。信號(hào)處理鏈可以通過(guò)簡(jiǎn)單的圖形界面進(jìn)行配置，使用400多個(gè)可用處理模塊的任意組合（圖1）。這些模塊可以通過(guò)熟悉的屏幕旋鈕和按鈕進(jìn)行調(diào)整，其直觀方式與機(jī)架安裝式音頻處理器的調(diào)整方式相同。

［圖1|顯示使用 DSP 概念語(yǔ)音 UI 的音頻處理鏈的圖形配置的屏幕圖像］

由于功耗要求和外形尺寸限制，大多數(shù)便攜式產(chǎn)品中使用的音頻處理器的功能通常低于家用產(chǎn)品中使用的處理器的功能。因此，產(chǎn)品設(shè)計(jì)團(tuán)隊(duì)在為語(yǔ)音命令產(chǎn)品設(shè)計(jì)信號(hào)鏈時(shí)必須謹(jǐn)慎，不要超過(guò)可用的處理能力。然而，要實(shí)現(xiàn)最佳性能，他們需要充分利用可用的處理方式。由于 DSP 概念語(yǔ)音 UI 算法已經(jīng)針對(duì)運(yùn)行它們的處理器進(jìn)行了優(yōu)化，因此不需要重寫(xiě)它們以適應(yīng)特定的處理器，也不需要調(diào)試。信號(hào)鏈可以實(shí)時(shí)測(cè)試，也可以針對(duì)不同的處理器進(jìn)行測(cè)試，這使得為應(yīng)用選擇合適的處理器變得更加容易和快速。

DSP 概念語(yǔ)音 UI 的可調(diào)諧性和多功能性帶來(lái)了明顯的性能優(yōu)勢(shì)，這可以在 DSP 概念網(wǎng)站的演示視頻中看到。

結(jié)論

創(chuàng)建始終在線(xiàn)的語(yǔ)音命令產(chǎn)品，這些產(chǎn)品可以使用電池供電運(yùn)行數(shù)小時(shí)到數(shù)月，同時(shí)實(shí)現(xiàn)與當(dāng)今流行的智能揚(yáng)聲器類(lèi)似的功能，這是相當(dāng)大的挑戰(zhàn)。但是，由于本文中描述的產(chǎn)品，這些挑戰(zhàn)現(xiàn)在是可以控制的。正確選擇組件，結(jié)合仔細(xì)調(diào)整以適應(yīng)應(yīng)用，可以產(chǎn)生便攜式語(yǔ)音命令產(chǎn)品，為消費(fèi)者提供令人滿(mǎn)意和可靠的體驗(yàn)。看看這些技術(shù)將為未來(lái)的便攜式和電池供電技術(shù)產(chǎn)品帶來(lái)哪些新功能，便利性和功能將會(huì)很有趣。

審核編輯：郭婷