首页 > 半导体 > 正文

揭开Amazon Echo语音控制的神秘面纱

2016-12-29 10:38:00 来源: 互联网

点击

亚马逊(Amazon) Echo可说是目前最热销的物联网(IoT)装置，无论你称它为智能麦克风、虚拟数字助理、家用机器人、语音控制或R2-D2，这一类以语音为基础的产品正迅速崛起…

相较于Echo，最新的第二代Echo Dot的价格从89.99美元调整为49.99美元，并将于本月在美国上市销售。

Amazon Echo(及其随后推出的Dot)开拓了一个新的市场，让装置供应商能够在语音获取、提高麦克风音频解析度、更先进的背景杂讯过滤、更好的音场检测与稳定连线能力等方面展开竞争，以提供更佳音频品质。

Amazon Echo (左)及其第二代产品Dot

而像XMOS等公司虽然自家芯片并未用于Echo中，但也瞄准了这个新的语音接口市场。XMOS行销与业务发展副总裁Paul Neil表示，「物联网目前正是一场快速移动的盛宴。为了控制IoT装置，语音是最自然的使用者接口。」

Neil说，由于融合了「传统的微控制器(MCU)性能、嵌入式DSP以及灵活的I/O组合，使得我们的技术成为语音接口的理想选择。」

然而，硬件装置之间的战争只是构成整个智能麦克风/扬声器市场的一部份。IHS Markit连网家庭资深分析师Paul Erickson强调，「真正的竞争变数来自云端。」

为了追求更「聪明」的智能麦克风(能够处理复杂的查询和随机问题)，云端服务领域的竞争越来越激烈。 Google预计将于今年年底推出Google Home与Google Assistant (Google Now的新版本)，并借此进入这个市场。Erickson表示，「而且市场上盛传苹果(Apple)很可能将在2017年挟其Siri进入这个领域。」

Amazon Echo——这款IoT装置如此热门的另一个原因在于它极具潜力，可实现IoT的重要优点：经得起时间考验(Future-proofing)。

芯科科技(Silicon Labs)软件副总裁Skip Ashton解释，Future-proofing的意思是「确保装置可随时间进展持续添加更多功能特性。」例如，Alexa为Echo提供的语音服务功能一开始有70种，如今已经增加到超过1700种了。

Echo可以回答问题、阅读新闻、为运动评分、控制灯光、从Amazon网站订购产品以及设定闹铃等。使用者还可以利用该装置向Uber叫车或订购披萨外送等。

「目前Echo大约每两周通过云端更新一次，」Ashton说，「Amazon会在星期五时发送电子邮件给Echo用户发布新功能，」而Echo用户「也对于产品的功能持续增加怀抱着期待。

本地智能

IHS Markit嵌入式处理器首席分析师Tom Hackenberg剖析Amazon Echo对于电子产业带来重大影响的原因：智能麦克风/智能扬声器应用「对于处理器供应商来说极具价值。」

因为这种装置关键之处并不只是提供了「本地智能」。语音接口正普遍应用在广大的市场领域。不只是数字助理市场出现，成为智能手机App的消费电子装置版本，还有扬声器，也不是它唯一的外形应用。

例如，他解释说，「家庭自动化中心和数字助理可以内建于电视、机上盒(STB)、HVAC/环境控制中枢等。此外，在车载资讯娱乐方面也存在大量的应用，特别是着眼于其免手持的优点。」

拆解Echo与Echo Dot

通过拆解Echo与Echo Dot并进一步比较后，Hackenberg说，「除了存储器供应商，我发现Echo和Echo Dot的处理元件并没有明显的不同。」

拆解Echo与Echo Dot （来源：iFixit）

根据iFixit所进行的拆解，Amazon Echo采用：

– 三星(Samsung) K4X2G323PD-8GD8 256MB LPDDR1 RAM

– SanDisk SDIN7DP2-4G 4GB iNAND Ultra Flash

而到了新版的Dot则改用：

– 美光(Micron) MT46H64M32LFBQ 256MB (16Meg x 32 x 4Banks) LPDDR SDRAM (挥发性记忆体)

– 三星KLM4G1FEPD 4GB高性能eMMC NAND Flash (非挥发性储存)

两款产品使用的处理器则是相同的。在Echo与Dot的核心采用的是「德州仪器(Texas Instruments；TI)的媒体处理器DM3725」，此外，高通(Qualcomm) Atheros QCA6234应用专用标准处理器则用于提供「连接性」。

Hackenberg解释说，虽然存储器可能稍微影响性能，但存储器定价是波动的。因此，对于Echo系列的所有产品而言，在其整个生命周期中改变所使用的元件也很平常。

相形之下，「连线模组，尤其是媒体处理器更加复杂，如果不是重大的产品更新，一般并不会改变，」他说。

Hackenberg指出，Atheros处理器专用于作为连接应用标准产品。其设计是以Tensilica定制化XTensa核心为基础，而且「它只做一件事——协调与网络的通讯，以利作业进行。」

Erickson补充说，「连接能力至关重要，因为它涉及哪些资料可被获取、传送与接收云端资料的速度与可靠度等。由于速度/响应的可用性因素，它直接影响到与扬声器之间的互动有多么「即时」。因此，Wi-Fi的吞吐量、服务品质(QoS)与范围的改善，都将有所帮助。」

所有的「本地」(local)智能功能是由TI DM3725进行处理。Hackenberg指出，「这是一款专为STB、TV、显示器、视讯游戏系统等各种多媒体应用而设计的系统单芯片(SoC)。」

DM3725是一款以ARM Cortex A8为基础打造的元件，并整合TI的C64x+DSP与3D绘图加速引擎。「Cortex A8是一款成熟且经济型的应用处理器，但又完全足够用于本地执行简单的任务，」Hackenberg表示。

然而，「如果应用变得复杂，而不只是一款扬声器这么单纯，可能就会有所变化。」

Amazon Echo Dot主板（来源：iFixit）

整合DSP

根据Hackenberg，这颗SoC的关键就在于整合了DSP，甚至可能是GPU。

「在一个典型的设计中，存在多个输入传感器(主要是麦克风)。整个音频输入首先经DSP高度滤波，使系统快速地理解用户的语音和环境杂讯之间的差异，」他说。

「它甚至能够解读相对于该装置的位置或甚至发话者是谁；它还建立了一种模式，能够经过处理以匹配该模式(通常发送至云端)，」他补充说。

但是，GPU做什么呢？

Hackenberg认为，「对于本地智能，GPU可以用于更简单、但快速且高效的本地模式匹配。」

这可以让装置仍然回应所储存的控制模式，例如「降低音量」、「切换频道」或其他简单的控制，而无需网路连接，他解释说。「接着，应用核心根据所需提供的回应、启动/关闭所需的输入或控制以及必须显示的内容等条件来执行应用程式。」

麦克风阵列

Amazon Echo和Dot之所以吸引人之处在于它使用了7麦克风阵列。Amazon声称，Echo和Dot由于使用了多支麦克风和波束成型技术，因而「能在整个室内都听到你的声音——即使是正在播放音乐的环境下。」该公司还表示，Echo是一款专业级的调音扬声器，能以360°沉浸式音效充满在整个房间中。

根据IHS Markit负责MEMS和传感器的资深分析师Marwan Boustany表示，Echo采用了楼氏电子(Knowles)的MEMS麦克风。

Dot采用7支麦克风阵列

Boustany指出，为声音频率提升其讯号杂讯比(SNR)、匹配和性能，将有助于远场音讯获取，同时改善语音辨识。

但最终，「算法才是实现更优质语音辨识的真正关键，」他说，「所谓的『智能』就在于云端可能持续作为关键应用，而本地处理则可以提高对于简单/预定义片语(如Hey Siri等)的辨识能力。」

他以Cypheras为例表示，「这一类的软件供应商将有利于智慧家庭系统(如Alexa)中的语音辨识功能。」

Amazon Echo Dot （来源：iFixit）

竞争日益加剧

以供应商来看，目前有几家提供微控制器(MCU)和连接用ASSP的供应商可能在此领域展开竞争，包括Apple、博通(Broadcom)、赛普拉斯(Cypress)、微芯科技(Microchip)、恩智浦(NXP)、瑞萨(Renesas)、意法半导体(STMicroelectronics)以及芯科科技(Silicon Labs)等。Boustany表示，」802.11n与BT 4.0的组合并不常见，但有些设计针对较低成本的解决方案或许将会只用蓝牙。

媒体处理器较为棘手。虽然多家行动装置应用处理器供应商都可提供，但对于简单的应用来说成本太高。根据Hackenberg的观察，供应商们可能会选择不提供性能相当的DSP或模式匹配功能。

「我可能会考虑采用Apple Ax、Broadcom BCM7xxxx、海思(Hisilicon) Hi3xxx、NXP i.MX、联发科MT8xxx、意法STiHxxx、高通(Qualcomm)Snapdragon等。当然，TI或许在成本方面具有最佳DSP支持(对于语音辨识至关重要)的优势，但其他的这几家供应商也在不断地缩小差距中。」

XMOS相信该公司将在这个市场上获得动能。对于诸如Echo这一类的语音助理产品，提高性能的关键在于远场语音获取能力、波束成型与处理速度等。Neil认为，「凭借着大量的处理能力和嵌入式DSP，我们的XMOS单芯片元件提供了可扩展和差异化的解决方案。」

XMOS xCore语音接口案例（来源：XMOS）