语音交互将成为可穿戴设备一个新的拐点

随着智能可穿戴设备的发展，语音交互正在迎来一个新的拐点。

它其实早已走进我们的生活，从可智能对话的机器人，到有事没事“嘿 Siri”，再到风靡全球的智能音箱，“小度”、“小爱”……这些指令甚至是三岁孩童也能脱口而出。而随着可穿戴设备的传输、续航、价格等痛点被逐个击破，类似 TWS 耳机这样的设备也有望普遍具备 AI 语音功能，让 AI 能力随身行走。

不过，语音唤醒——作为语音交互的第一步，在超低功耗场景下的性能、集成度、成本等突破就变得更加重要。

为可穿戴设备增加语音唤醒，难在哪里？

针对 TWS 等可穿戴设备，杭州国芯日前专门推出了一款 AI 语音唤醒芯片 GX8002，将 AI 唤醒做到了“微瓦”级别。

为什么要给 TWS 增加专门的语音唤醒能力？主要挑战有哪些？杭州国芯 AI 事业部总经理凌云告诉《与非网》，语音唤醒需要 Always on 工作状态，这样设备在休眠或锁屏状态下也能检测到用户的声音，一旦接收到唤醒词，立刻让设备进入等待指令的状态，开启语音交互第一步。

由于需要持续工作，包含麦克风、ADC、语音处理识别等整个链路都要工作。因此在可穿戴设备中增加唤醒功能，最大的挑战就是功耗，以往一些蓝牙 SoC 芯片做这类应用，待机功耗需要十几毫瓦，这对产品待机时间影响非常大。

方寸之间见天地——超低功耗、高集成度的背后

GX8002 采用了 MCU+NPU 架构，集成了国芯第二代自研神经网络处理器 gxNPU V200、平头哥 CK804 处理器等。经测试，该芯片在 VAD 待机模式下功耗低至 70μW，运行功耗为 0.6mW，支持多级唤醒，通过 NPU 能力，单芯片可实现语音唤醒、指令识别、AI 降噪、声纹识别等众多功能。

据了解，GX8002 超低功耗的背后，离不开两大技术突破——自研神经网络处理器 gxNPU V200 和自研硬件 VAD。与第一代神经网络处理器相比，第二代专门针对低功耗进行了优化，计算能效达到了普通 DSP 的 10 倍以上。支持 DNN/CNN/RNN 等各种模型，自动实现网络量化压缩，可以和 TensorFlow 等训练平台直接对接。

同时，国芯设计了全新的 VAD 模块，通过增加更多特征分析来判断人声，过滤能力更强。凌云表示，传统 VAD 大多是基于声音的能量来做 VAD 判断，当处于嘈杂环境时容易失效。为此，国芯设计了全新的 VAD 模块，通过对信号进行频谱分析，抽取语音的多个特征信息，进行智能判断。同时会跟踪环境的底噪，自动调整判决的阈值。而所有的 VAD 处理都是通过硬件实现的，不依赖于主系统，这对于所有的 AI 语音应用都是有效的，对低功耗产品则更加重要。

除了将复杂逻辑硬件化，提升 VAD 的待机比例对于整个产品的功耗降低也非常有价值，根据实际测试，在办公室、地铁、马路、咖啡馆等场合，GX8002 可以让 VAD 待机的比例平均达到 70%以上，即 70%以上时间处于 70μW 的 VAD 待机模式。通过 VAD 的有效过滤，芯片日常使用的平均功耗基本低于 300μW。

“传统的语音 AI 主要还是以 CPU 软解为主，在一些功耗成本不敏感的产品可以继续使用”，凌云表示，“但是在可穿戴设备市场，必须要追求极致。”

为了将唤醒部分所占用的体积尽可能缩减，国芯将唤醒所需的所有部件进行了集成，包括音频 ADC、Flash、电源 LDO 等，甚至还有晶振。单芯片就可以完成所有唤醒工作，无需外围器件。

GX8002 首批产品采用 QFN20，3mm*3mm 封装，五月份已量产，预计今年下半年会有相关产品陆续上市。据称，Q3 还将推出更小的 WLCSP 封装，尺寸可达 1.4*2.4mm，满足更加精密产品的需求。

TWS+语音 AI 是未来趋势

TWS——已经成为智能音箱之后一个新的现象级应用。根据 IDC 数据显示，TWS 耳机 2019 年全球出货量为 1.705 亿台，与 2018 年的 4860 万台相比，增长了 250.5％，占据整个可穿戴设备市场的 50.7%。

剖析 TWS“网红体质”的背后，不仅仅是可观的市场规模，还有它作为 AIoT 智能连接入口的潜质。过去认为 AI 多用于机器人，后来发现似乎不需要这么复杂的身躯，智能音箱爆发了。而仅靠语音唤醒就可以获得 AI 能力，其实这个载体还可以更小。

在 TWS 第一波市场潮流中，主流的蓝牙音频供应商盆满钵盈，于是更多的小玩家涌入，试图切一角蛋糕。但是，正如所有消费电子的发展趋势一样，如果没有差异化卖点和功能创新，市场将很快走向红海，陷入价格的侵蚀之中。

对于广大投身于 TWS 的中小品牌来说，突破无线连接、通话体验的同时，产品本身的创新点也是增加消费者粘性的重要因素。国芯最新的语音唤醒芯片，对于这些厂商显得尤为及时。GX8002 几乎适配市场上所有的蓝牙方案，它与蓝牙芯片搭配使用，就如同增加了一个语音开关按键，通过共用的麦克风，实现语音触发。

这就极大地方便了那些使用成熟蓝牙方案的设备商，在不改变原有主体设计的情况下，叠加 AI 芯片，就可以将蓝牙耳机升级为智能耳机，满足了灵活、快速的设计需求。价格方面，国芯采用了累积采购量的阶梯价格模式，起步价 0.65 美元，尽量减轻成本负担。

TWS 加入语音 AI 将成为趋势。对于品牌耳机来说，能够在硬件方面更进一步，打通硬件品质、软件服务的体验；白牌耳机则可以在保证高性价比的前提下提供更丰富的功能。

目前，国芯已经打通了杰理、恒玄、络达、瑞昱、博通、易兆微、中科蓝讯等蓝牙合作方，这将为设备商大大节省具有 AI 语音能力的 TWS 研发周期。

“国芯尽量通过技术优化提升 AIoT“入口”建设的便利性，并提升产品的体验。通过在 AI 语音领域的持续耕耘，将 AI 技术应用到各种场景，之前已经有了高性能的产品应用在智能家居和车载领域，GX8002 的推出补齐了低功耗和近场的应用”，凌云表示，“目前我们完成了人 - 车 - 家的全场景覆盖，AI 语音产品可以说是国内市场上较为齐全的。”

当前，AI 的两大应用当属语音和视觉，这两大领域之间也有着一定的传承性和关联性。语音 AI 仍是一个早期成长中的市场，国芯一方面在扩大覆盖场景，另一方面也在寻找体量较大的细分市场（例如车载、TWS 等），进行更深入、更有针对性地布局。据凌云透露，未来，国芯会在语音业务的基础上，开拓视觉 AI 业务，以及语音+视觉的多模态产品方向。