諸如 Amazon 的 Alexa、Apple 的 Siri、Microsoft 的 Cortana 和 Google Assistant 之類的虛擬助手，正在推動智能語音設(shè)備創(chuàng)新——從與智能手機(jī)和其他移動設(shè)備配對的藍(lán)牙耳機(jī)，到家庭和辦公室自動化環(huán)境中的智能揚(yáng)聲器，還有電視等消費(fèi)類電子產(chǎn)品。雖然語音服務(wù)越來越多地用于控制聽音樂、打電話、運(yùn)行生物識別傳感器之類的功能，但是設(shè)計人員發(fā)現(xiàn)，在聲音和電噪聲均很大的環(huán)境中，想要識別、采集和無線傳輸語音是一個挑戰(zhàn)。
若要應(yīng)對挑戰(zhàn)，需要強(qiáng)大的噪聲消除技術(shù)和同樣強(qiáng)大的無線接口，所有這些都應(yīng)打包成一個解決方案，以便開發(fā)人員進(jìn)行試驗(yàn)并迅速應(yīng)用，節(jié)省時間和成本。
本文介紹 Cirrus Logic、XMOS 和 Qualcomm 的幾種語音采集解決方案，這些方案可幫助設(shè)計人員快速開始新一代支持語音的移動設(shè)備和耳機(jī)設(shè)計。
語音采集解決方案
當(dāng) Apple 和 Microsoft 等公司開始對智能手機(jī)和計算機(jī)實(shí)施相應(yīng)的解決方案時，Amazon 則推出配備 Echo 智能揚(yáng)聲器的 Alexa，然后開始將其擴(kuò)展到更多設(shè)備中。
但是，Echo 內(nèi)置有 7 個麥克風(fēng)，這對于空間、成本、功耗都非常寶貴的小型手持設(shè)備而言，可謂是太多了。雖然如此，Cirrus Logic 等芯片制造商加入進(jìn)來，推出更簡單的設(shè)計解決方案，讓設(shè)計人員能將 Alexa 集成到各種智能設(shè)備和其他尺寸的音頻系統(tǒng)中。
例如，采用 Alexa 語音服務(wù) (AVS) 的智能家居應(yīng)用（支持通過語音控制照明和電器）、免提便攜式揚(yáng)聲器和聯(lián)網(wǎng)揚(yáng)聲器。這些應(yīng)用需要語音采集解決方案來抑制噪聲和其他現(xiàn)實(shí)存在的干擾，增強(qiáng)用戶體驗(yàn)，提供更準(zhǔn)確、更可靠的語音交互。
在嘈雜的環(huán)境中和音樂播放期間，必須具備高精度的喚醒詞觸發(fā)和命令解讀，才能實(shí)現(xiàn)語音助手功能。回音消除對于實(shí)現(xiàn)出色的用戶體驗(yàn)也非常重要。通過消除回音，用戶將能中斷響亮的音樂播放和 Alexa 響應(yīng)，從而使得新請求可以得到準(zhǔn)確響應(yīng)。
要嘗試 AVS 設(shè)計，不妨使用 Cirrus Logic 針對 AVS 的語音采集開發(fā)套件 598-2471-KIT，這是一個不錯的開端。該套件旨在將 Alexa 功能集成到含有聲音調(diào)諧音頻處理軟硬件組件的緊湊型音頻設(shè)備中（圖 1）。它基于 Raspberry Pi 3 平臺，包括一個參考板，其中有 Cirrus Logic 的 CS47L24-CWZR 智能編解碼器、數(shù)字 MEMS 麥克風(fēng)和 SoundClear? 算法，支持語音控制、噪聲抑制和回音消除。
圖 1：Cirrus Logic 針對 AVS 設(shè)備的 598-2471-KIT 語音采集開發(fā)套件支持將語音采集板（右上方）連接到 Raspberry Pi 3（左上方），方法是通過電纜或作為 HAT 放置在 Raspberry Pi 3 之上。（圖片來源：Cirrus Logic）
語音采集構(gòu)件
語音采集過程始于 CS47L24 語音處理器，其集雙核 300 MMAC DSP 與音頻中樞編解碼器于一體，能夠服務(wù)于各種高能效的固定功能音頻處理模塊（圖 2）。可編程 DSP 核心支持一系列高級音頻處理特性，例如多麥克風(fēng)噪聲抑制、聲學(xué)回波消除 (AEC) 和語音識別。
圖 2：套件上的語音采集始于 CS47L24 語音處理器，其集雙核 300 MMAC DSP 與音頻中樞編解碼器于一體，能夠服務(wù)于各種高能效的固定功能音頻處理模塊。（圖片來源：Cirrus Logic）
CS47L24 智能編解碼器利用片上數(shù)模轉(zhuǎn)換器 (DAC) 和 2 W 單聲道揚(yáng)聲器驅(qū)動器，來實(shí)現(xiàn)高保真音頻播放。它支持自動采樣率檢測，有5助于寬帶和窄帶語音呼叫切換。CS47L24 處理器提供了三個數(shù)字音頻接口，每個接口支持一系列標(biāo)準(zhǔn)音頻采樣率和串行接口格式。
CS47L24 由 1.8 V 和 1.2 V 外部電源供電，其電源、時鐘和輸出驅(qū)動器架構(gòu)均針對低功耗而設(shè)計，支持語音、音樂和待機(jī)模式。CS47L24 還提供單獨(dú)的 MICVDD 輸入，以支持 1.8 V 以上的麥克風(fēng)操作。
數(shù)字 MEMS 麥克風(fēng) IC 和相關(guān) SoundClear 算法支持語音控制、噪聲抑制和回音消除，可在輸入端提供高質(zhì)量音頻，同時能降低麥克風(fēng)功耗。該 IC 支持兩種工作模式：低功耗模式和高性能模式，前者適合始終在線語音活動檢測，后者針對高保真錄音進(jìn)行優(yōu)化。模式是由所施加的時鐘頻率來確定。
麥克風(fēng)集成了模數(shù)轉(zhuǎn)換器 (ADC)，可利用脈沖密度調(diào)制 (PDM) 編碼輸出單比特數(shù)據(jù)流，以及在立體聲和陣列配置有效連接多個麥克風(fēng)。對設(shè)計人員來說，多麥克風(fēng) IC 很重要，因?yàn)榭蓪ζ溥M(jìn)行優(yōu)化，利用波束形成技術(shù)實(shí)現(xiàn)主動降噪和回音消除，實(shí)現(xiàn)超清晰全雙工通信和音頻采集。
MEMS 麥克風(fēng)還應(yīng)在本底噪聲和聲學(xué)過載點(diǎn)之間提供較寬的動態(tài)范圍（100 dB 是一個很好的起點(diǎn)），以便在安靜和嘈雜的環(huán)境中均能進(jìn)行高保真音頻錄制。例如，它能錄制古典音樂或語音之類的低音量音頻內(nèi)容，而不會有背景嘶嘶聲。同時，它能確保搖滾音樂會和風(fēng)聲之類的響亮聲音不會引起麥克風(fēng)失真。
為了充分利用硬件，SoundClear 算法通過噪聲抑制、自動語音識別 (ASR) Enhance?、回音消除等處理功能來消除噪聲。
遠(yuǎn)場語音采集
另一種語音采集解決方案是 XMOS 的 XK-VF3500-L33-AVS VocalFusion? 立體聲開發(fā)套件，適用于 Amazon 的 AVS。此套件聚焦于遠(yuǎn)場使用場景，例如智能電視、條形音箱、機(jī)頂盒、數(shù)字媒體適配器等。這些應(yīng)用需要立體聲 AEC 以支持“全房間”語音接口解決方案，讓用戶可以通過語音命令打開電視和調(diào)節(jié)臺燈。
遠(yuǎn)場語音采集應(yīng)用要求準(zhǔn)確校準(zhǔn) AEC 基準(zhǔn)信號，并仔細(xì)調(diào)整延遲時間。這樣做后，設(shè)計人員便可確信，無論內(nèi)容量和周圍環(huán)境如何，其設(shè)計的遠(yuǎn)場語音配件都能聽到并準(zhǔn)確捕獲用戶的語音命令。
VocalFusion 套件是一種線性麥克風(fēng)陣列解決方案，已通過 Amazon 遠(yuǎn)場性能認(rèn)證。它讓設(shè)計人員可以將 Alexa 放入智能電視、照明和家用電器等房間邊緣的設(shè)備中。該套件基于 XVF3500-FB167-C 語音處理器構(gòu)建，提供雙通道全雙工 AEC 來支持復(fù)雜聲學(xué)環(huán)境中的語音采集（圖 3）。支持 DSP 的 AEC 功能有利于去混響、自動增益控制和噪聲抑制，確保即使在嘈雜的環(huán)境中也能實(shí)現(xiàn)清晰的語音交互。
圖 3：XVF3500 語音處理器采用自適應(yīng)波束形成來定位目標(biāo)語音源，并將語音命令與立體聲音頻有效隔離，同時抑制背景噪聲和室內(nèi)回音。（圖片來源：XMOS）
接下來，四麥克風(fēng) VocalFusion 套件使用 Infineon 的 XENSIV? IM69D130V01XTSA1 MEMS 麥克風(fēng)，這些麥克風(fēng)提供原始音頻數(shù)據(jù)，以便在 XVF3500 語音處理器上運(yùn)行音頻信號處理算法。IM69D130 麥克風(fēng)提供遠(yuǎn)場和耳語拾音性能，在最高 128 dB 的聲壓級 (SPL) 下總諧波失真 (THD) 不到 1%。
語音采集設(shè)計提供的“打斷”功能允許用戶中斷或暫停正在播放音樂的設(shè)備，這就為立體聲家庭娛樂和壁掛式影音設(shè)備中基于 Alexa 的設(shè)計提供了新的機(jī)遇（圖 4）。
圖 4：語音采集處理器和麥克風(fēng)相互配合，為遠(yuǎn)場 Alexa 應(yīng)用提供語音接口。（圖片來源：Infineon Technologies）
一個實(shí)際實(shí)施的示例就是創(chuàng)維的基于 XVF3500 語音處理器的人工智能 (AI) 電視。這種始終開啟的智能電視能夠喚醒并響應(yīng)語音命令，具備 180° 全方位聲源識別功能，有效范圍為 5 米 (m)。
智能耳機(jī)設(shè)計
設(shè)計工作的另一端是耳塞和耳機(jī)。與智能手機(jī)和平板電腦配合使用時，這些設(shè)備日益需要集成語音助手來支持日歷管理、智能家居控制、音樂流播放和天氣更新。同智能揚(yáng)聲器一樣，藍(lán)牙耳機(jī)也需要不斷改進(jìn)，以在嘈雜的環(huán)境中傳輸高質(zhì)量音頻。
Qualcomm 提供適用于 AVS 和 Google Assistant 平臺的智能耳機(jī)參考設(shè)計與開發(fā)套件，這些主要構(gòu)件能夠支持開發(fā)人員著手設(shè)計聲控耳機(jī)和耳穿戴設(shè)備。參考板可幫助開發(fā)人員評估語音助手，而設(shè)計套件則允許設(shè)計工程師轉(zhuǎn)移到完整開發(fā)環(huán)境。
以 Qualcomm 針對 Google Assistant 的 DK-QCC5124-GAHS-A-0 智能耳機(jī)開發(fā)套件為例。此產(chǎn)品支持安裝了 Google Assistant 應(yīng)用的 Android 手機(jī)通過按鈕激活 Google 語音助手。它基于 Qualcomm 藍(lán)牙音頻芯片組構(gòu)建，其中采用 Qualcomm 清晰語音采集 (cVc?) 降噪技術(shù)，通過噪聲抑制和其他音頻增強(qiáng)功能來降低環(huán)境聲音，從而改善呼叫者的聲音。
cVc 6.0 技術(shù)通過一套降噪算法來掩蔽丟包和誤碼，從而提供清晰的通話效果。Qualcomm 的 aptX? HD 是另一項引人注目的技術(shù)，有助于降低延遲以實(shí)現(xiàn)穩(wěn)健的音頻流。這是一種高清藍(lán)牙音頻編解碼器，旨在提高信噪比并降低背景噪聲。
Qualcomm 針對 Amazon AVS 的 DK-QCC5124-AVSHS-A-0 智能耳機(jī)參考設(shè)計同樣支持 cVc 6.0 降噪和 aptX HD 無線音頻技術(shù)。它支持安裝了 Alexa 應(yīng)用的手機(jī)通過按鈕激活 Alexa。
該平臺基于 Qualcomm 的 QCC5124 藍(lán)牙收發(fā)器芯片組構(gòu)建，而且支持 Alexa Mobile Accessory (AMA) 套件，后者允許用戶方便地將藍(lán)牙與 Android 和 iOS 設(shè)備上的 Alexa Mobile 應(yīng)用連接起來（圖 5）。AMA 套件有助于將耳機(jī)中的語音命令通過手機(jī)傳達(dá)給 Alexa，而 Amazon AVS 承擔(dān)自然語言處理的繁重任務(wù)。
圖 5：針對 Amazon AVS 的 DK-QCC5124-AVSHS-A-0 開發(fā)板具有智能耳機(jī)設(shè)計的關(guān)鍵構(gòu)件。（圖片來源：Qualcomm）
這意味著兩件事：第一，開發(fā)人員無需為 Alexa 集成而檢查大量代碼；第二，開發(fā)人員無需在藍(lán)牙連接之外添加任何通信硬件。
在更高層次上，AMA 套件使得 Amazon AVS 能夠幫助語音配件（如智能耳機(jī)）與 Alexa 服務(wù)進(jìn)行通信，通信使用的控制機(jī)制在語音配件與 Alexa Mobile 應(yīng)用之間運(yùn)行。
評估后，開發(fā)人員可以使用開源板開發(fā)套件。但是，對開源板開發(fā)套件進(jìn)行編程需要使用 Transaction Bridge (DK-TRBI200-CE684-1)，套件中未包含此工具，不過可以另行購買。
總結(jié)
對于希望將語音助手集成到下一個設(shè)計中的設(shè)計人員而言，硅供應(yīng)商在喚醒詞識別、噪聲消除、低功耗始終開啟功能方面已經(jīng)完成了大量繁重工作。設(shè)計人員可以使用參考設(shè)計和開發(fā)套件來開發(fā)語音采集解決方案，以支持從智能耳機(jī)和智能揚(yáng)聲器到全屋語音控制等一系列智能語音控制服務(wù)。
