#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