XVF3510 下一代语音处理器，离声控一切更近一步

XMOS 刚刚推出了其 XVF3510 下一代语音处理器，它只需使用两个麦克风就可以从拥挤的音频环境中提取单个声音。

XMOS的那些聪明人让我们离在我们与之交互的几乎所有设备中嵌入用于语音控制的“耳朵”更近了一步。

提醒一下，XMOS 是一家无晶圆半导体公司，开发语音解决方案、音频产品和能够同时执行实时任务、极端数字信号处理 (DSP) 和控制流的多核微控制器。XMOS 微控制器以其确定性（可预测的）行为而著称。

让我们从底层的 xCORE 多核微控制器技术开始，它包含多个通过高速开关连接的“处理器块”。每个处理器块都是一个传统的 RISC 处理器，可以同时执行多达 8 个任务。任务可以通过通道（可以连接到本地磁贴上的任务或远程磁贴上的任务）或使用内存（仅用于在同一磁贴中运行的任务）相互通信。

xCORE 架构在硬件中提供了许多通常在实时操作系统 (RTOS) 中看到的元素。这包括任务调度程序、计时器、I/O 操作和通道通信。通过消除时序不确定性的来源（中断、缓存、总线和其他共享资源），xCORE 设备可以为许多应用程序提供确定性和可预测的性能。任务通常可以在纳秒内响应外部 I/O 或计时器等事件。这使得对 xCORE 设备进行编程以执行原本需要专用硬件的硬实时任务成为可能。

2017年，XMOS收购了Setem Technologies。正如我在我的专栏“ XMOS + Setem 可能成为嵌入式语音的游戏规则改变者”中所写：“Setem 的 chaps 和 chapesses 是高级盲源信号分离技术的先驱。他们的专利算法使消费者设备能够在拥挤的音频环境中专注于特定的语音或对话，从而优化语音识别系统的输入。”

我家里有两台 Amazon Echo/Dot 设备，办公室里有一台（我问我的妻子 Gina the Gorgeous，为什么她在窃窃私语。“我听说亚马逊的人可能在听我们说话，”她说。我笑了，吉娜笑了，亚历克萨笑了……）。我认为这些设备很棒，但它们确实需要一组七个麦克风，这增加了整体解决方案的成本和物理占用空间。

拥有多个麦克风可以让系统更好地检测和消除噪音，执行回声消除等操作，并确定声源的位置，例如说话的人。当然，当你想一想时，我们只用两只耳朵就可以完成所有这些事情（我不了解你，但我认为我的头上没有足够的空间来容纳七只耳朵，至少没有其中一个妨碍了）。

毫不奇怪，XMOS 的人们也发现了这一点，这就是为什么他们刚刚推出了新的 XVF3510 下一代语音处理器，该处理器可以仅使用两个麦克风从拥挤的音频环境中提取单个声音。

XVF3510 安装在 PCB 上（来源：XMOS）

XVF3510 上运行的算法包括干扰消除（消除点噪声源以消除不需要的背景噪声）、立体声回声消除（抑制不需要的扬声器回声并启用强插）和自适应延迟估计（动态调整音频参考信号延迟，从而确保回声消除算法提供流畅的实时体验）。

这些算法和其他算法使 XVF3510 能够智能地工作以分析声学环境并识别和隔离房间中的所有其他声音（包括通过设备本身的任何媒体流）中的语音命令，从而实现近距离的远场语音捕获精确。

作为该公告的一部分，XMOS 的团队还宣布了一个新的基于 XVF3510 的 VocalFusion 开发套件，用于 Alexa 语音服务 (AVS)，它指的是亚马逊围绕其语音控制 AI 助手 Alexa 构建的服务套件（查看此视频以查看开发套件的实际运行情况）。

适用于 Amazon AVS 的基于 XVF3510 的 VocalFusion 开发套件（来源：XMOS）

在右侧，我们看到一个小型的两个麦克风阵列连接到带有 XVF3510 的电路板。同时，左侧（顶部）看到的防护罩插入了 Raspberry Pi（底部）。（请注意，用于 AVS 的 VocalFusion 开发套件中不包含 Raspberry Pi。）

XVF3510 语音处理器每年订购超过 100 万台时，每颗芯片仅需 0.99 美元（小批量起价为 1.39 美元），将使制造商能够经济地将语音接口嵌入到智能电视和机顶盒等大众市场消费产品中.

我不了解你，但对于支持人工智能的语音控制未来，我既兴奋又充满恐惧。一方面，我可以很容易地想象自己在四处闲逛，告诉设备和系统我想让它们做什么来让我的生活更轻松、更愉快。另一方面，我也可以想象一个世界，在这个世界里，我被电器、装置、小玩意和小玩意儿包围着，它们都在争先恐后地吸引我的注意力，我无法让它们停止与我交谈。你呢？你是兴奋还是害怕？

审核编辑 黄昊宇