#自動語音辨識ASR #微機電MEMS #主動降噪ANC #數位音訊放大器 #聲學活動檢測AAD #駐極體電容式麥克風ECM #壓電式微機械超聲換能器PMUT #自然語言理解NLU

【「壓電式」麥克風將全面崛起？】

受惠於超靈敏的聲波感測器和可解釋語音的複雜機器學習演算法，語音識別技術的準確性越發精進。由上述可知，負責接收音訊的麥克風裝置是第一道關卡，它是將聲波轉為電訊號的「換能器」(Transducer)。

對音質、音場的要求越來越高，音訊訊號鏈中所參與的電子元件也變多；為實現輕薄短小的緊湊設計，微機電 (MEMS) 技術應用漸廣。坊間 MEMS 麥克風元件可分為類比、數位兩類；若麥克風收音僅用於靜默監聽、無需播放，音訊鏈後端不必有編解碼器或音訊轉換器，那麼，數位 MEMS 麥克風顯然是首選；反之，牽涉到音訊播放或語音交互，類比 MEMS 則當仁不讓。

整體而言，MEMS 麥克風由於較傳統駐極體電容式麥克風 (ECM) 擁有更好的音質、靈敏度和定向性，便於從數據獲取上、下文進行有效處理和渲染，且功耗、成本更低，體積也小巧得多。不過，為進一步增強抵抗粉塵／微粒、雨水／汗水、震動及高分貝噪音能力，「壓電式」(Piezoelectric) 麥克風成後起之秀。

「壓電式」MEMS 麥克風採用單層薄膜設計的壓電器件不會在背板間隙夾雜灰塵、空氣或雨水等污染物，影響靈敏度和頻率響應，亦避免膜片黏附於背板上。簡言之，它具備防水、防塵、超高聲學過載點、消除迴聲特性，耐用、啟動快且可自供電，對於細微聲響的收音效果更好，更適用於背景雜音大的空間、長距離、戶外或低頻對話，應用面廣泛，但薄膜器件製造不易是其缺點……。

延伸閱讀：
《語音互動靈敏、通話音質清晰——MEMS 麥克風技壓全場》
http://www.compotechasia.com/a/feature/2021/0205/47107.html

#英飛凌Infineon #XENSIV #IM73A135 #艾邁斯半導體ams #AS3460 #東電化TDK #應美盛InvenSense #T5838 #VesperTechnologies #VM3000 #VM3011 #意法半導體ST #A*STAR #IME #ULVAC #WertelOberfell #ESUBTracks #Picovoice

#自動語音辨識ASR #生物測定說話者識別引擎BSI #文字轉語音TTS #自然語言處理NLP #汽車電子 #嵌入式系統 #微控制器MCU #數位訊號處理器DSP #藍牙Bluetooth

【DSP 不只語音識別！聽覺場景、語意理解更到位】

上傳雲端處理，功耗、延遲性、隱私權和網路連接是最大顧慮；所以，嵌入式／離線「邊緣語音識別」的成長性備受期待；為滿足較低的功耗和運算資源需求，Tiny Machine Learning (TinyML) 編譯便應運而生。

現今不少微控制器 (MCU) 已具機器學習 (ML) 能力，且集成數位訊號處理器 (DSP) 作為加速器以增強效能；更有另將音訊編／解碼器、基頻處理器及無線射頻 (RF) 整合其中者，可支援遠程控制。選擇支援移植和優化大量詞彙的 MCU 可簡化開發過程。

在無線鏈路傳輸音訊資料前，數位訊號處理至關重要，包括：測量、過濾和壓縮音訊類比訊號；DSP 要考慮的不只是 MAC 多寡與 ISA 效能，還有與 AI 開源工具、語音功能軟體堆疊，乃至於「雜訊抑制和濾波」等前端訊號預處理及後端無線連接易用性的整個生態系。坊間多數音訊 DSP IP 內核以安謀 (Arm)、Tensilica 和 CEVA 為三大主流派別。相關產品組合各有哪些優勢＆特色？適用性如何？又有哪些異軍突起的另類解決方案？一起來認識它們吧！

延伸閱讀：
《喚醒．識別．場景．理解．情境感知——DSP IP「擴展」不停歇》
http://www.compotechasia.com/a/feature/2021/0205/47108.html

#安謀Arm #EthosU55 #EthosU65 #microNPU #恩智浦NXP #i.MX8M+ #EdgeVerse #益華電腦Cadence #Tensilica #HiFi #CEVA #TeakLite #SensPro #SenslinQ #RivieraWaves #PicoVoice

#物聯網IoT #人工智慧AI #嵌入式系統 #微控制器MCU #邊緣運算EdgeComputing #開發套件

【MCU＋AI，每個終端都可以是智慧裝置】

裝置趨向智慧化，也開啟了微控制器 (MCU) 與人工智慧 (AI) 的結合，好處在於：降低功耗、降低成本、快速上市、直接在前端處理不需要再丟到雲端運算；相對也有三難：運算力弱、缺少建模和訓練工具，以及缺少集成工具。

在大趨勢朝向更精簡的模型下，TinyML 漸受重視——是指超低功耗的機器學習在物聯網 (IoT) 各種裝置端 MCU 的運用，通常功耗為毫瓦 (mW) 級別甚至更低，可支援各種不同的電池驅動設備與需要始終在線的應用，例如：智能相機、遠端遙控、可穿戴裝置等設備。裝置端 MCU＋AI 晶片具低延遲、高隱私等特性，是未來的發展趨勢，而新舊 MCU 廠商的策略大不同。一起來了解他們在 AI 的佈局吧！

延伸閱讀：
《MCU 結合 AI 的現況》
http://compotechasia.com/a/feature/2020/0813/45497.html

#瑞薩電子Renesas #e-AI #恩智浦NXP #eIQ #微芯科技Microchip #冠捷半導體SST #memBrain #意法半導體ST #STM32Cube.AI #安謀Arm #Ethos-U55 #Cortex-M55 #Syntiant #Sensory #XMOS #EtaCompute #EdgeImpulse #GreeWaves #Esperanto #Picovoice #Xnor.ai