瑞薩電子面向語音AI，基于VK-RA8M1開發套件，集成多種智能語音處理功能，實現了無需云端的高性能語音控制的應用。

功能介紹

目前語音控制技術已廣泛應用于家電、車載、智能家居等領域，但仍面臨兩個核心問題：

環境噪聲干擾。當嘈雜環境或多人講話時，語音識別準確率會大幅下降。

對云連接的依賴。離線狀態下，通常只能識別少量、固定順序的關鍵詞，實現功能有限。

瑞薩推出的集成式語音應用場景，將多種語音控制功能集成一體，以應對這些問題。

基于RA8M1的語音應用包括如下功能：

APF（Audio Processing Front）。音頻處理前端，可將語音與背景噪音分離，提高語音識別準確率。

NLU（Natural Language Understanding）。自然語言理解，允許用戶用自然口語發出指令，系統自動提取關鍵詞識別命令。

CNSV（Cyberon Speaker Verification ）。Cyberon語音驗證，將關鍵詞檢測提升到更高層次，將語音識別升級為語音身份驗證。

VAS（Voice Anti-Spoofing）。語音防偽技術，使系統能夠區分真人語音和錄音。

圖1 RA8M1語音應用場景

功能演示

APF噪聲抑制演示

A8M1開發板已預先加載語音組合程序，通過USB 連接電腦，作為立體聲麥克風使用。

通常，我們會在理想安靜的環境中錄制視頻，但為了演示降噪的功能，在演示用例中，刻意引入了環境噪音。如圖2所示。

圖2 左/右聲道波形對比

在演示用例中，采用立體聲軌來直觀呈現APF的處理效果。其中，左聲道顯示的是未處理音頻，右聲道顯示的是經過APF處理后的音頻。如圖3所示。

圖3 聲譜圖對比

從圖3中可以看到：

上方的左聲道展現了未經過APF處理的原始音頻波形。噪音和語音混雜，語音信號不明顯。

下方的右聲道展現了經過APF處理后的音頻波形。背景噪音被明顯抑制，語音信號更加清晰。

NLU、CNSV、VAS綜合演示

在演示用例中，可以同時實現識別關鍵詞、語音身份認證、真人語音識別的功能，通過下述操作，可逐個演示功能：

1注冊說話人的語音信息。根據系統提示，重復說三遍“Hi Renesas”，用于創建準確的聲紋識別模型。注冊時的顯示信息如圖4所示。

圖4 注冊說話人的語音信息

2使用說話人的聲音發出“Hi Renesas”的指令。系統顯示“Accepted”，表明成功識別說話人聲音。如圖5所示。

圖5 系統成功識別說話人的聲音

3用手機錄制“Hi Renesas”的指令，如圖6所示。

圖6 錄制聲音

4用錄音發出“Hi Renesas”的指令讓系統識別。系統顯示“Dropped”，表明識別失敗并拒絕執行，成功區分真人語音和錄音。如圖7所示。

圖7 用錄音發出指令，系統識別失敗

總結

實現這些實時語音的AI功能，對MCU的性能要求非常高，而RA8M1搭載的Cortex-M85內核支持Helium DSP加速技術，能夠大幅提升語音算法的本地運行性能，從而在無需接入云端的情況下完成這些處理。