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備創(chuàng)新——從與智能手機和其他移動設備配對的藍牙耳機，到家庭和辦公室自動化環(huán)境中的智能揚聲器，還有電視等消費類電子產品。雖然語音服務越來越多地用于控制聽音樂、打電話、運行生物識別傳感器之類的功能，但是設計人員發(fā)現，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)。
若要應對挑戰(zhàn)，需要強大的噪聲消除技術和同樣強大的無線接口，所有這些都應打包成一個解決方案，以便開發(fā)人員進行試驗并迅速應用，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，這些方案可幫助設計人員快速開始新一代支持語音的移動設備和耳機設計。
語音采集解決方案
當 Apple 和 Microsoft 等公司開始對智能手機和計算機實施相應的解決方案時，Amazon 則推出配備 Echo 智能揚聲器的 Alexa，然后開始將其擴展到更多設備中。
但是，Echo 內置有 7 個麥克風，這對于空間、成本、功耗都非常寶貴的小型手持設備而言，可謂是太多了。雖然如此，Cirrus Logic 等芯片制造商加入進來，推出更簡單的設計解決方案，讓設計人員能將 Alexa 集成到各種智能設備和其他尺寸的音頻系統(tǒng)中。
例如，采用 Alexa 語音服務 (AVS) 的智能家居應用（支持通過語音控制照明和電器）、免提便攜式揚聲器和聯(lián)網揚聲器。這些應用需要語音采集解決方案來抑制噪聲和其他現實存在的干擾，增強用戶體驗，提供更準確、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，才能實現語音助手功能。回音消除對于實現出色的用戶體驗也非常重要。通過消除回音，用戶將能中斷響亮的音樂播放和 Alexa 響應，從而使得新請求可以得到準確響應。
要嘗試 AVS 設計，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諧音頻處理軟硬件組件的緊湊型音頻設備中（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、數字 MEMS 麥克風和 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，例如多麥克風噪聲抑制、聲學回波消除 (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模轉換器 (DAC) 和 2 W 單聲道揚聲器驅動器，來實現高保真音頻播放。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字音頻接口，每個接口支持一系列標準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、時鐘和輸出驅動器架構均針對低功耗而設計，支持語音、音樂和待機模式。CS47L24 還提供單獨的 MICVDD 輸入，以支持 1.8 V 以上的麥克風操作。
數字 MEMS 麥克風 IC 和相關 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量音頻，同時能降低麥克風功耗。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行優(yōu)化。模式是由所施加的時鐘頻率來確定。
麥克風集成了模數轉換器 (ADC)，可利用脈沖密度調制 (PDM) 編碼輸出單比特數據流，以及在立體聲和陣列配置有效連接多個麥克風。對設計人員來說，多麥克風 IC 很重要，因為可對其進行優(yōu)化，利用波束形成技術實現主動降噪和回音消除，實現超清晰全雙工通信和音頻采集。
MEMS 麥克風還應在本底噪聲和聲學過載點之間提供較寬的動態(tài)范圍（100 dB 是一個很好的起點），以便在安靜和嘈雜的環(huán)境中均能進行高保真音頻錄制。例如，它能錄制古典音樂或語音之類的低音量音頻內容，而不會有背景嘶嘶聲。同時，它能確保搖滾音樂會和風聲之類的響亮聲音不會引起麥克風失真。
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。此套件聚焦于遠場使用場景，例如智能電視、條形音箱、機頂盒、數字媒體適配器等。這些應用需要立體聲 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節(jié)臺燈。
遠場語音采集應用要求準確校準 AEC 基準信號，并仔細調整延遲時間。這樣做后，設計人員便可確信，無論內容量和周圍環(huán)境如何，其設計的遠場語音配件都能聽到并準確捕獲用戶的語音命令。
VocalFusion 套件是一種線性麥克風陣列解決方案，已通過 Amazon 遠場性能認證。它讓設計人員可以將 Alexa 放入智能電視、照明和家用電器等房間邊緣的設備中。該套件基于 XVF3500-FB167-C 語音處理器構建，提供雙通道全雙工 AEC 來支持復雜聲學環(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)境中也能實現清晰的語音交互。
圖 3：XVF3500 語音處理器采用自適應波束形成來定位目標語音源，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回音。（圖片來源：XMOS）
接下來，四麥克風 VocalFusion 套件使用 Infineon 的 XENSIV? IM69D130V01XTSA1 MEMS 麥克風，這些麥克風提供原始音頻數據，以便在 XVF3500 語音處理器上運行音頻信號處理算法。IM69D130 麥克風提供遠場和耳語拾音性能，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備，這就為立體聲家庭娛樂和壁掛式影音設備中基于 Alexa 的設計提供了新的機遇（圖 4）。
圖 4：語音采集處理器和麥克風相互配合，為遠場 Alexa 應用提供語音接口。（圖片來源：Infineon Technologies）
一個實際實施的示例就是創(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)。
智能耳機設計
設計工作的另一端是耳塞和耳機。與智能手機和平板電腦配合使用時，這些設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。同智能揚聲器一樣，藍牙耳機也需要不斷改進，以在嘈雜的環(huán)境中傳輸高質量音頻。
Qualcomm 提供適用于 AVS 和 Google Assistant 平臺的智能耳機參考設計與開發(fā)套件，這些主要構件能夠支持開發(fā)人員著手設計聲控耳機和耳穿戴設備。參考板可幫助開發(fā)人員評估語音助手，而設計套件則允許設計工程師轉移到完整開發(fā)環(huán)境。
以 Qualcomm 針對 Google Assistant 的 DK-QCC5124-GAHS-A-0 智能耳機開發(fā)套件為例。此產品支持安裝了 Google Assistant 應用的 Android 手機通過按鈕激活 Google 語音助手。它基于 Qualcomm 藍牙音頻芯片組構建，其中采用 Qualcomm 清晰語音采集 (cVc?) 降噪技術，通過噪聲抑制和其他音頻增強功能來降低環(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，有助于降低延遲以實現穩(wěn)健的音頻流。這是一種高清藍牙音頻編解碼器，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 智能耳機參考設計同樣支持 cVc 6.0 降噪和 aptX HD 無線音頻技術。它支持安裝了 Alexa 應用的手機通過按鈕激活 Alexa。
該平臺基于 Qualcomm 的 QCC5124 藍牙收發(fā)器芯片組構建，而且支持 Alexa Mobile Accessory (AMA) 套件，后者允許用戶方便地將藍牙與 Android 和 iOS 設備上的 Alexa Mobile 應用連接起來（圖 5）。AMA 套件有助于將耳機中的語音命令通過手機傳達給 Alexa，而 Amazon AVS 承擔自然語言處理的繁重任務。
圖 5：針對 Amazon AVS 的 DK-QCC5124-AVSHS-A-0 開發(fā)板具有智能耳機設計的關鍵構件。（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）與 Alexa 服務進行通信，通信使用的控制機制在語音配件與 Alexa Mobile 應用之間運行。
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
對于希望將語音助手集成到下一個設計中的設計人員而言，硅供應商在喚醒詞識別、噪聲消除、低功耗始終開啟功能方面已經完成了大量繁重工作。設計人員可以使用參考設計和開發(fā)套件來開發(fā)語音采集解決方案，以支持從智能耳機和智能揚聲器到全屋語音控制等一系列智能語音控制服務。
