XMOS 剛剛推出了其 XVF3510 下一代語音處理器，它只需使用兩個麥克風就可以從擁擠的音頻環境中提取單個聲音。

XMOS的那些聰明人讓我們離在我們與之交互的幾乎所有設備中嵌入用于語音控制的“耳朵”更近了一步。

提醒一下，XMOS 是一家無晶圓半導體公司，開發語音解決方案、音頻產品和能夠同時執行實時任務、極端數字信號處理 (DSP) 和控制流的多核微控制器。XMOS 微控制器以其確定性（可預測的）行為而著稱。

讓我們從底層的 xCORE 多核微控制器技術開始，它包含多個通過高速開關連接的“處理器塊”。每個處理器塊都是一個傳統的 RISC 處理器，可以同時執行多達 8 個任務。任務可以通過通道（可以連接到本地磁貼上的任務或遠程磁貼上的任務）或使用內存（僅用于在同一磁貼中運行的任務）相互通信。

xCORE 架構在硬件中提供了許多通常在實時操作系統 (RTOS) 中看到的元素。這包括任務調度程序、計時器、I/O 操作和通道通信。通過消除時序不確定性的來源（中斷、緩存、總線和其他共享資源），xCORE 設備可以為許多應用程序提供確定性和可預測的性能。任務通常可以在納秒內響應外部 I/O 或計時器等事件。這使得對 xCORE 設備進行編程以執行原本需要專用硬件的硬實時任務成為可能。

2017年，XMOS收購了Setem Technologies。正如我在我的專欄“ XMOS + Setem 可能成為嵌入式語音的游戲規則改變者”中所寫：“Setem 的 chaps 和 chapesses 是高級盲源信號分離技術的先驅。他們的專利算法使消費者設備能夠在擁擠的音頻環境中專注于特定的語音或對話，從而優化語音識別系統的輸入。”

我家里有兩臺 Amazon Echo/Dot 設備，辦公室里有一臺（我問我的妻子 Gina the Gorgeous，為什么她在竊竊私語。“我聽說亞馬遜的人可能在聽我們說話，”她說。我笑了，吉娜笑了，亞歷克薩笑了……）。我認為這些設備很棒，但它們確實需要一組七個麥克風，這增加了整體解決方案的成本和物理占用空間。

擁有多個麥克風可以讓系統更好地檢測和消除噪音，執行回聲消除等操作，并確定聲源的位置，例如說話的人。當然，當你想一想時，我們只用兩只耳朵就可以完成所有這些事情（我不了解你，但我認為我的頭上沒有足夠的空間來容納七只耳朵，至少沒有其中一個妨礙了）。

毫不奇怪，XMOS 的人們也發現了這一點，這就是為什么他們剛剛推出了新的 XVF3510 下一代語音處理器，該處理器可以僅使用兩個麥克風從擁擠的音頻環境中提取單個聲音。

XVF3510 安裝在 PCB 上（來源：XMOS）

XVF3510 上運行的算法包括干擾消除（消除點噪聲源以消除不需要的背景噪聲）、立體聲回聲消除（抑制不需要的揚聲器回聲并啟用強插）和自適應延遲估計（動態調整音頻參考信號延遲，從而確保回聲消除算法提供流暢的實時體驗）。

這些算法和其他算法使 XVF3510 能夠智能地工作以分析聲學環境并識別和隔離房間中的所有其他聲音（包括通過設備本身的任何媒體流）中的語音命令，從而實現近距離的遠場語音捕獲精確。

作為該公告的一部分，XMOS 的團隊還宣布了一個新的基于 XVF3510 的 VocalFusion 開發套件，用于 Alexa 語音服務 (AVS)，它指的是亞馬遜圍繞其語音控制 AI 助手 Alexa 構建的服務套件（查看此視頻以查看開發套件的實際運行情況）。

適用于 Amazon AVS 的基于 XVF3510 的 VocalFusion 開發套件（來源：XMOS）

在右側，我們看到一個小型的兩個麥克風陣列連接到帶有 XVF3510 的電路板。同時，左側（頂部）看到的防護罩插入了 Raspberry Pi（底部）。（請注意，用于 AVS 的 VocalFusion 開發套件中不包含 Raspberry Pi。）

XVF3510 語音處理器每年訂購超過 100 萬臺時，每顆芯片僅需 0.99 美元（小批量起價為 1.39 美元），將使制造商能夠經濟地將語音接口嵌入到智能電視和機頂盒等大眾市場消費產品中.

我不了解你，但對于支持人工智能的語音控制未來，我既興奮又充滿恐懼。一方面，我可以很容易地想象自己在四處閑逛，告訴設備和系統我想讓它們做什么來讓我的生活更輕松、更愉快。另一方面，我也可以想象一個世界，在這個世界里，我被電器、裝置、小玩意和小玩意兒包圍著，它們都在爭先恐后地吸引我的注意力，我無法讓它們停止與我交談。你呢？你是興奮還是害怕？

審核編輯 黃昊宇