智能語音識別AI市場即將井噴，關鍵“芯元素”成引爆點

　　與去年阿法狗(AlphaGo)輕松擊敗李世石后人們紛紛驚嘆人類被機器人超越不同的是，前不久全球排位第一的柯潔再次完敗于人工智能(AI)的機器人后，人們明顯已經(jīng)逐漸接受了人工智能在很多領域超越人類的事實，更多地從理性角度探討以人工智能為基礎的科技對人類社會的改變機遇。據(jù)今日頭條首份人工智能影響力報告表明，中國國民AI信心指數(shù)高達83，中國消費者對人工智能的態(tài)度變得十分積極。

　　“事實上，人工智能正在逐漸走入我們生活，尤其作為人工智能非常重要的語音智能識別的研究上，世界范圍內(nèi)已經(jīng)做出了非常成功的創(chuàng)新應用，而中國同樣也走在了前列?！?nbsp;以電源和模擬半導體技術領先的深圳芯智匯科技有限公司(X-Powers Technology)產(chǎn)品經(jīng)理徐正弟近日對媒體表示。由于非?？春没谡Z音的人工智能技術的應用，芯智匯科技近日在國內(nèi)率先發(fā)布了專門針對人工智能熱門應用的語音識別多陣列麥克風前端ADC芯片AC108?！白鳛橹悄苷Z音應用中非常關鍵的入口信號拾取的AC108推出，我們期待以突破性的SNR(信噪比，108dB)性能和更優(yōu)化的設計助推企業(yè)在人工智能應用領域搶占市場先機?！?nbsp;徐正弟指出。

　　圖1：中國國民AI信心指數(shù)高達83

　　消費者正習慣語音交互，Smart Home是首個突破口

　　最新發(fā)布的《2017年互聯(lián)網(wǎng)趨勢報告》指出，在使用Google Assistant(谷歌語音助手)的智能手機用戶中，2016年5月僅20%的移動查詢通過語音方式完成，而至2017年5月已有近7成的詢問是通過自然/交談語言進行的。僅僅一年時間已經(jīng)發(fā)生巨大改變，多數(shù)消費者的移動查詢習慣已開始偏向智能語音交互。

　　圖2：消費者正在習慣使用語音交互完成查詢等操作

　　“智能語音首先會在垂直市場落地，在交互相對單一、場景相對固定，且用戶有剛需的應用場景中，比如家電控制、車載電子就有大量的發(fā)展機會。”徐正弟在接受采訪時介紹道。這類場景的需求相對簡單，最需要的是一系列命令詞的識別，技術相對容易實現(xiàn)。與此同時，在自動駕駛成熟之前，車內(nèi)駕駛者都無法釋放出雙手，因此車內(nèi)語音控制也是剛需。就目前而言，智慧家居的語音控制顯然走得更前些，很明顯的例子就是Amazon Echo的風靡!

　　圖3：語音識別成物聯(lián)網(wǎng)智能化入口之一

　　2016年下半年，Amazon將Echo Dot的售價從99美元下降到49美元，這意味著未來一年Echo相關產(chǎn)品的出貨量將大幅度提升。與此同時，上游供應鏈透露的消息稱，2017年Amazon已將智能音箱的訂單量增加至1,000萬臺，為2016年的三倍!在這場智能音箱的競賽中，Amazon、Google和Apple等全球領導企業(yè)正在推動越來越多的互聯(lián)網(wǎng)公司發(fā)布類似的智能音箱產(chǎn)品，其中也不乏中國企業(yè)加入競逐，如京東智能的叮咚系列，這也為上下游各環(huán)節(jié)的供應商帶來了巨大的機會。

　　信號拾取前端處理很關鍵，108dB SNR解決遠場語音設計最大挑戰(zhàn)

　　事實上，像智能手機上Siri、Google Assistant這樣近距離的智能語音應用已經(jīng)相對成熟(因為更偏向算法)，“而目前最主要的智能語音應用通常交互距離在3~5米，更遠距離或者環(huán)境更嘈雜的遠場智能語音信號處理是Smart Home應用的關鍵，這是AC108推出的主要目標市場?！?nbsp;徐正弟表示，“這些應用需要多陣列麥克風，必須解決多通道語音采集、高信噪比(SNR)以及低復雜度設計要求?！?/p>

　　智能語音應用的實現(xiàn)需要三個環(huán)節(jié)：首先是拾取——將自然的語音信號轉化為數(shù)字信號;緊接是前處理——對采集到的語音信號進行降噪、消回聲、去混響等處理，形成“干凈”的音頻信號;最后是本地或云端的語音識別引擎對“干凈”的語音信號進行識別和語義分析，從而實現(xiàn)智能反饋。顯然，在完成算法層面的語音識別之前需要進行遠距離拾音，首當其沖必須使用麥克風陣列，配套語音前處理算法，如NS、AEC、De-reverb等，才能實現(xiàn)自然語言人機交互。

　　在整套智能語音系統(tǒng)中，前端語音采集和處理，對語音識別高準確率起到了決定性作用。從硬件元器件的層面分析，前端語音ADC芯片的性能表現(xiàn)是關鍵因素!一般而言，決定ADC芯片性能優(yōu)劣的其中一個重要參數(shù)是信噪比SNR，它表征了最大不失真聲音信號、即主觀上認為的有用信號強度與噪音強度之間的比率，信噪比SNR越高，噪音越小，芯片性能表現(xiàn)越好。

　　分析市場上幾款主流智能音箱產(chǎn)品的相關報告可以發(fā)現(xiàn)其前端語音ADC芯片SNR為98dB、101dB，而AC108宣稱的108dB是目前業(yè)內(nèi)同類產(chǎn)品中達到最高信噪比的ADC芯片?！癆C108型號名稱凸顯了其性能優(yōu)勢——‘Audio Codec 108dB(SNR)’，108dB是目前滿足麥克風陣列應用的最高性能。同時AC108嚴格按照家電級標準進行設計、生產(chǎn)、測試，從而保證良好品質要求。”徐正弟介紹道。

　　圖4：基于智能語音識別技術的國內(nèi)部分消費電子產(chǎn)品

　　全生態(tài)產(chǎn)業(yè)鏈已經(jīng)成熟，市場引爆在即

　　毫無疑問，語音智能應用正在飛速發(fā)展?！皬奈覀兣c國內(nèi)外企業(yè)接觸來看，這個市場目前正面臨一波井噴的大發(fā)展機遇，目前包括格力、美的、海爾、長虹等主要的家電企業(yè)已經(jīng)密集布局智能語音控制產(chǎn)品，從空調、冰箱、彩電，甚至到小家電都有相關產(chǎn)品布局，部分產(chǎn)品已經(jīng)推出市場。”徐正弟指出，“特別是隨著包括成本、方案成熟度、設計復雜度的改變，市場爆發(fā)性增長指日可待?！?/p>

　　據(jù)徐正弟的分析，在空調等大件家電應用中，目前語音識別方案增加的成本約占整體成本的5%~10%，成本壓力還是比較大。“這部分成本存在很大的壓縮空間，芯智匯科技與國內(nèi)語音識別產(chǎn)業(yè)鏈的合作廠商正在快速促進低成本、高性能的解決方案?！?nbsp;徐正弟進一步解釋道：“目前多數(shù)智能語音應用的SoC一般保留標準的I2S接口，傳統(tǒng)上支持多路ADC輸入的做法是采用FPGA或MCU實現(xiàn)通道變換而AC108在設計中即考慮了該因素，通過將多路語音信號通過升采樣率的方式，實現(xiàn)了標準的I2S支持多路音頻數(shù)據(jù)傳輸，使得方案中可以節(jié)省FPGA或MCU，大大降低方案設計成本和復雜度?！贝送?，與部分方案需要采用多片ADC支持麥克風陣列不同，基于AC108級聯(lián)兩顆芯片(最多可四片級聯(lián))即可實現(xiàn)多陣列麥克風方案。

　　圖5：AC108高性能、低成本的遠場語音拾取方案

　　這種定制化的優(yōu)化解決方案在大大降低成本的同時，還能加快廠商的產(chǎn)品上市進度，而這對于快速發(fā)展的消費市場來說尤為關鍵。據(jù)了解，目前芯智匯AC108已向潛在客戶提供EVM Board和使用友好的配套PC工具，方便工程師快速對ADC進行選型評估。“我們還提供專業(yè)詳細的指導文檔和參考驅動，以及保姆式的服務，幫助客戶快速完成設計開發(fā)，加速產(chǎn)品上市?！毙煺芙榻B道。高性能模擬信號處理通常是工程師的噩夢，對于消費電子市場為主的智能語音識別應用來說，這樣的“保姆式”技術服務對實現(xiàn)產(chǎn)品高性能和快速面市非常重要。

　　無論ADC還是SoC，都只是語音識別生態(tài)鏈中的一環(huán)，整個生態(tài)鏈的成熟發(fā)展至關重要。目前麥克風陣列算法、配套語音前處理算法、云端語義平臺等已經(jīng)發(fā)展成熟?！皹I(yè)內(nèi)的大量研發(fā)工作還在快速提升語音識別效果，包括大量AI訓練下的多語種支持，快速可復制量產(chǎn)多環(huán)節(jié)配合，等等。AC108的推出再次彌補了針對麥克風陣列的高性能ADC的短板，我們已經(jīng)與國內(nèi)主要的平臺方案商合作，并與亞馬遜Alexa等國際平臺合作，這些產(chǎn)業(yè)鏈的良好互動正在助推智能語音識別爆發(fā)性增長，預期一年內(nèi)將看到越來越多的相關產(chǎn)品面市?！毙煺軜酚^地指出。