這把“火”究竟有多旺，我們可以從三個方面直觀地感受出來：其一，就是眾多互聯(lián)網(wǎng)巨頭在語音處理領(lǐng)域的積極投入；其二，是2017年之后以亞馬遜Echo為代表的智能音箱單品的火爆；其三，是類似Siri的語音助手功能在智能手機中滲透率越來越高。種種跡象都在告訴我們，智能語音相關(guān)的生態(tài)鏈正在逐漸成熟，基于智能語音的相關(guān)應(yīng)用遲早有一天會成為眾多智能產(chǎn)品的標(biāo)配，比如說在智能家居等應(yīng)用中的語音控制功能。
當(dāng)然，想做率先“吃螃蟹”的人，也就必然會面臨著一系列需要跨越的“坑”。具體到智能語音控制領(lǐng)域，這樣的“坑”主要來自三個方面：
首先是成本。因為成本是任何一種技術(shù)大規(guī)模普及的重要前提，特別是當(dāng)我們考慮到要將語音控制功能集成到不同的嵌入式設(shè)備中去，真正做到讓語音“無處不在”的時候，成本的壓力會更為突出。
其次是缺乏整體解決方案。畢竟，對于新技術(shù)來說，完整成熟的參考設(shè)計方案會比較“罕見”。如果有，對于開發(fā)者來說將是真福利。
再有就是如何順利接入語音處理引擎。眾所周知，智能語音控制應(yīng)用背后都會與一個云端的語音處理引擎相連，如亞馬遜的Alexa、科大訊飛開發(fā)語音平臺等，這其中有不少繁復(fù)的測試認(rèn)證過程。
上面這三個制約因素也決定了語音控制方案開發(fā)之旅并不是一場“說走就走”的旅行，在此之前開發(fā)者免不了要做大量準(zhǔn)備工作。
不過現(xiàn)在，情況不一樣了，因為下面這個由恩智浦開發(fā)的方案（見圖1），打破了以往的制約。在這個面積為30mmx40mm超小型電路板中，幾乎覆蓋了嵌入式語音識別所有的性能和功能需求，讓困惑開發(fā)者的難題迎刃而解。
圖1.基于恩智浦i.MX RT跨界處理器的語音控制方案（圖片來源：NXP）
基于MCU的設(shè)計
這個方案最鮮明的一個特點就是，其主控芯片采用的不是微處理器，而是一顆‘MCU’——恩智浦的i.MX RT跨界處理器。之所以稱為“跨界”，是因為一方面i.MX RT采用了主頻高達(dá)600MHz的Arm Cortex-M7內(nèi)核，性能甚至比普通的Cortex-A5都高一倍；而另一方面，其在成本和功耗方面又能夠與MCU看齊，而且繼承了MCU的開發(fā)工具鏈，使得以前熟悉MCU的開發(fā)者都能夠很快上手。正是因為這種“魚和熊掌”兼得的特性，i.MX RT一經(jīng)推出就受到了開發(fā)者的青睞。
此番將i.MX RT引入到語音控制領(lǐng)域，根據(jù)恩智浦的估算，與以往基于微處理器的解決方案相比可以將總系統(tǒng)成本減少一半以上。這也使得這個基于MCU的語音控制方案極具競爭力。
圖2.i.MX RT106A跨界處理器系統(tǒng)框圖（圖片來源：NXP）
整體解決方案
該方案中使用的跨界處理器的型號是i.MX RT106A，它是通用的i.MX RT1060產(chǎn)品中的一個特殊型號，專門針對基于云端的嵌入式語音應(yīng)用進行了優(yōu)化，特別是可授權(quán)使用恩智浦完整的語音助手軟件解決方案，包括低延遲，遠(yuǎn)場“喚醒字”檢測、噪聲抑制、回聲消除和語音打斷功能等一系列特性。這顯然會令開發(fā)事半功倍，也讓整個系統(tǒng)的BOM更為簡化。
除了核心的主控芯片，整個基于i.MX RT的語音控制解決方案中還包括其他一些關(guān)鍵元器件，如TFA9894D智能音頻放大器和可選的A71CH安全元件，以及一個完整的參考BOM，可為客戶提供了一個從硬件到軟件的完整的交鑰匙解決方案。
圖3.i.MX RT語音控制方案硬件框圖（圖片來源：NXP）
與Alexa連接
特別值得一提的是，該方案還可無縫連接Amazon Alexa語音服務(wù)（AVS）平臺，與AVS認(rèn)證軟件、安全性和入門使用完全整合，大幅減少了植入Alexa所需的工程投資，縮短語音控制產(chǎn)品的上市時間。為此，恩智浦還在美國設(shè)置了實驗室，專門為內(nèi)置Alexa的產(chǎn)品提供測試服務(wù)，幫助客戶通過亞馬遜的最終評估。
實際上這種增值服務(wù)模式，也是亞馬遜等語音處理平臺提供商所樂見的，因為這有利于其平臺形成一個更完善的應(yīng)用生態(tài)系統(tǒng)，是一個雙贏的結(jié)果。所以我們也可以想見未來類似的服務(wù)會被復(fù)制到與其他智能語音處理平臺的合作中。
圖4.i.MX RT語音控制方案與AVS整合框圖（圖片來源：安富利）
總之，這個基于MCU的語音控制解決方案為開發(fā)者提供了一種“即插即用”式的開發(fā)體驗，無論是從硬件、軟件，還是與語音處理平臺功能的整合，都能快速搞掂。如果你想在自己的嵌入式產(chǎn)品中加入智能語音處理功能，現(xiàn)在可以“說走咱就走”了。
