全球麥克風(fēng)與音頻處理器出貨預(yù)測(cè)

　　在先進(jìn)駕駛輔助系統(tǒng)(ADAS)中，結(jié)合視覺(jué)處理器的CMOS影像感測(cè)器已在協(xié)助汽車辨識(shí)與分類方面發(fā)揮關(guān)鍵作用。至于其“聽(tīng)覺(jué)”呢?

　　麥克風(fēng)也能扮演像攝影機(jī)般重要的角色，為自動(dòng)駕駛車增添更多“智慧”功能嗎?

　　DSP Concepts執(zhí)行長(zhǎng)與創(chuàng)辦人Paul Beckmann表示，在汽車和駕駛?cè)税l(fā)現(xiàn)救護(hù)車接近以前，就已經(jīng)聽(tīng)到它的警報(bào)聲響起了。那么為什么汽車產(chǎn)業(yè)不會(huì)對(duì)音訊感興趣?

　　系統(tǒng)OEM廠商(不只是汽車制造商)目前正處于“使用更多麥克風(fēng)以便為人工智慧(AI)產(chǎn)生另一種重要感測(cè)器資料——音訊”的關(guān)鍵時(shí)刻，Beckmann解釋。

　　正如他所預(yù)設(shè)的，音訊正“從單純的在娛樂(lè)系統(tǒng)中播放，朝向在情境架構(gòu)中實(shí)現(xiàn)輸入、觸發(fā)與分析。”

　　由 麥克風(fēng)所拾取的智慧，也可能用于日常生活的各種系統(tǒng)中，從汽車、數(shù)位虛擬助理到可攜式裝置等。“視覺(jué)與聽(tīng)覺(jué)應(yīng)該并駕齊驅(qū)，”DSP Concepts業(yè)務(wù)與行銷執(zhí)行總裁Willard Tu表示。“狗吠聲、嬰兒哭鬧、玻璃碎裂、汽車?yán)?、警?bào)聲與槍聲等等......音訊有助于讓系統(tǒng)更有效地掌握環(huán)境[和情境]。”

　　圖1：音訊“輸入”演算法發(fā)展藍(lán)圖 (來(lái)源：DSP Concepts)

　　如今，有兩個(gè)重要的發(fā)展趨勢(shì)推動(dòng)電子產(chǎn)業(yè)突然在音訊領(lǐng)域迅速發(fā)展。

　　一 是擁有多顆麥克風(fēng)的智慧型手機(jī)普及;其次則是數(shù)位虛擬助理的流行，如Amazon Echo與Google Home。根據(jù)SAR Insight & Consulting總監(jiān)與首席分析師Peter Cooney的觀察，“一般消費(fèi)裝置中整合虛擬數(shù)位助理的應(yīng)用越來(lái)越多，帶動(dòng)感知與采用語(yǔ)音作為自然的使用者介面，應(yīng)用于許多日常任務(wù)中。”

　　但是，麥克風(fēng)能多快超越作為一種自然使用者介面的角色，開(kāi)始變成真正的‘智慧感測(cè)器’?看來(lái)業(yè)界還得等待一些進(jìn)展。

　　為了迎接挑戰(zhàn)，音訊需要可以拾取更佳音質(zhì)的麥克風(fēng)、善于后處于音訊的處理器、預(yù)處理音訊的有效演算法、易于使用的音訊處理工具、相當(dāng)于繪圖用Open GL的音訊標(biāo)準(zhǔn)，以及能以最小功耗維持永不斷線的麥克風(fēng)。

　　總之，如同Cooney所指出的，市場(chǎng)需要“始終保持監(jiān)聽(tīng)的技術(shù)、語(yǔ)音增強(qiáng)演算法以及麥克風(fēng)。”

　　在ARM處理器上實(shí)現(xiàn)音訊處理

　　音訊處理以往是播放系統(tǒng)(如TV、DVD和Hi-Fi音響系統(tǒng)中的等化器)才需要的專業(yè)領(lǐng)域。

　　而今在智慧型手機(jī)和其他家用裝置的麥克風(fēng)普及帶動(dòng)下，音訊處理任務(wù)已經(jīng)擴(kuò)展到幾乎無(wú)處不在。專用音訊DSP也并不是系統(tǒng)中處理音訊的唯一晶片了。

　　隨著越來(lái)越多的音訊開(kāi)始在ARM處理器上執(zhí)行，Beckmann指出，更多的OEM“熱切地將麥克風(fēng)視為”AI的輸入感測(cè)器。DSP Concepts正處于觀察這一市場(chǎng)過(guò)渡的最佳位置。

　　Beckmann看好市場(chǎng)成長(zhǎng)的態(tài)勢(shì)，特別是因?yàn)樵摴疽豢罘Q為Audio Weaver在過(guò)去一年來(lái)的成果。如同Beckmann描述的，這是“唯一一款可跨平臺(tái)作業(yè)的繪圖音訊設(shè)計(jì)架構(gòu)。”

　　業(yè) 界分析家認(rèn)為，DSP Concepts正占據(jù)音訊市場(chǎng)上的獨(dú)特位置。TECHnalysis Research總裁兼首席分析師Bob O'Donnell認(rèn)為：“我并未看到DSP Concepts或其Audio Weave工具面對(duì)哪幾家競(jìng)爭(zhēng)對(duì)手。許多公司都針對(duì)音樂(lè)與錄音等目的進(jìn)行專業(yè)的音訊剪輯與音訊處理，但這畢竟是不同的領(lǐng)域。”

　　庫(kù)尼表示同意。“我不知道任何競(jìng)爭(zhēng)產(chǎn)品音頻織女的。”他補(bǔ)充說(shuō)，“DSP概念有其他的產(chǎn)品也是如此，如聲音增強(qiáng)算法(噪音抑制，回聲取消，波束賦形)，基準(zhǔn)和參考設(shè)計(jì)。”

　　Cooney也同意這一看法。“我還不知道Audio Weaver有任何競(jìng)對(duì)手。”他補(bǔ)充說(shuō)，“DSP Concepts也有其他的產(chǎn)品，例如聲音增強(qiáng)演算法(雜訊抑制、回音消除、波木成形等)、基準(zhǔn)與參考設(shè)計(jì)。”

　　圖2：全球麥克風(fēng)與音訊處理器市場(chǎng) (來(lái)源：SAR Insights & Consulting)

　　DSP Concepts并未設(shè)計(jì)或銷售DSP。然而，競(jìng)爭(zhēng)對(duì)手一般都是其他的DSP業(yè)者。Audio Weaver的競(jìng)爭(zhēng)產(chǎn)品來(lái)自德州儀器(TI)或Cirrus Logic等DSP供應(yīng)商自行打造的音訊工具。其差異之處在于那些內(nèi)部開(kāi)發(fā)的工具僅用于DSP供應(yīng)商自家的晶片。而采用像Audio Weaver這樣的獨(dú)立平臺(tái)工具，Tu強(qiáng)調(diào)，“OEM不必被限制于一種特定的DSP。”

　　Cooney說(shuō)，DSP Concepts藉由與Cadence/Tensilica等許多公司合作，主要的業(yè)務(wù)在于為其客戶提供音訊設(shè)計(jì)解決方案。

　　除 了Audio Weaver工具，DSP Concepts也授權(quán)一些可形成麥克風(fēng)輸入的音訊演算法，包括波束成形、回聲消除、雜訊消除與遠(yuǎn)音場(chǎng)(far-field sound)等演算法。Beckmann指出，在此業(yè)界缺乏深諳音訊處理的工程人才之際，市場(chǎng)亟需易于使用的音訊預(yù)處理演算法，以便能從不需要的環(huán)境雜訊 中區(qū)隔出聲音來(lái)。

　　音訊：長(zhǎng)期受冷落的領(lǐng)域

　　然而，目前使用音訊進(jìn)行聲學(xué)事件檢測(cè)(和分析)仍然是一種相對(duì)較新的應(yīng)用。

　　O’Donnell指出，“理論上，可能會(huì)有更多專用音訊處理器在做AI，但坦白說(shuō)，音訊就像是長(zhǎng)期受到視訊的冷落一樣，而且時(shí)至今日也是如此。”

　　他補(bǔ)充說(shuō)，聲音的另一項(xiàng)重大挑戰(zhàn)是“語(yǔ)言與意義”。他說(shuō)，“一張樹(shù)的圖片以任何語(yǔ)言來(lái)說(shuō)是樹(shù)，但要瞭解字、詞以及最重要的意義與意圖，就具有語(yǔ)言與文化的獨(dú)特性了。這使得語(yǔ)音辨識(shí)與自然語(yǔ)言的處理變得十分困難。”

　　Beckmann坦承，音訊缺乏標(biāo)準(zhǔn)，也造成了差距。

　　以O(shè)penGL來(lái)看，它是一種針對(duì)圖形渲染的跨語(yǔ)言、跨平臺(tái)API。對(duì)于想要編寫(xiě)程式碼的視訊游戲設(shè)計(jì)人員來(lái)說(shuō)，這種API十分重要。像Nvidia等GPU供應(yīng)商在使用這種API后就能最佳化其硬體。

　　音訊世界則可以使用硬體抽象層來(lái)實(shí)現(xiàn)跨平臺(tái)的硬體加速渲染，類似于OpenGL所扮演的角色一樣。如果缺乏標(biāo)準(zhǔn)，每一家音訊晶片公司都必須最佳化自家硬體以及自給自足。缺乏標(biāo)準(zhǔn)延緩了擴(kuò)展跨平臺(tái)的音訊應(yīng)用所需的創(chuàng)新腳步。

　　實(shí)現(xiàn)永不斷電的續(xù)航力

　　Amazon Echo或Google Home等流行的數(shù)位虛擬助理下一步要實(shí)現(xiàn)的就是“長(zhǎng)時(shí)傾聽(tīng)”(always-listening)的能力。Amazon正透過(guò)其‘tap-then- speak’的語(yǔ)音啟動(dòng)機(jī)制加速這方面的進(jìn)展。但該裝置還不能稱得上是‘always listening’。

　　圖3：全球語(yǔ)音介面與長(zhǎng)時(shí)傾聽(tīng)技術(shù)市場(chǎng) (來(lái)源：SAR Insights & Consulting)

　　具有永不斷線/長(zhǎng)時(shí)傾聽(tīng)能力的裝置一旦走出家門，將開(kāi)始面臨各種挑戰(zhàn)。到了戶外，它的音訊處理能力必須從背景雜訊中區(qū)隔出需要聽(tīng)到的聲音。此外，Beckmann強(qiáng)調(diào)，更大的問(wèn)題還在于電池壽命。

　　為此，他指出，“位于波士頓的新創(chuàng)公司Vesper開(kāi)發(fā)的靜態(tài)感測(cè)MEMS元件就十分關(guān)鍵。”Vesper專門開(kāi)發(fā)壓電MEMS麥克風(fēng)，不久前還發(fā)布了一款新的聲學(xué)感測(cè)器，可利用聲能喚醒完全待機(jī)中的系統(tǒng)。

　　Vesper 執(zhí)行長(zhǎng)Matt Crowley表示，這款新的壓電MEMS麥克風(fēng)VM1010可在傾聽(tīng)模式下汲取僅3μA電流，該元件預(yù)計(jì)在今年第四季出樣。Crowley并承 諾，VM1010的新版本將會(huì)配備“鑒頻”(frequency discrimination)功能。這表示系統(tǒng)設(shè)計(jì)者可因應(yīng)槍聲、玻璃粉碎或人聲等特定的雜訊特性編程MEMS麥克風(fēng)。

　　汽車內(nèi)部

　　回過(guò)頭來(lái)看看汽車內(nèi)部的音訊應(yīng)用。語(yǔ)音為汽車內(nèi)部提供了自然的人機(jī)介面(HMI)。

　　為了提高駕駛?cè)耸褂妹獬致?tīng)筒的語(yǔ)音品質(zhì)，一線業(yè)者與汽車OEM嚴(yán)重地依賴音訊處理技術(shù)。Beckmann說(shuō)，“配備多聲道(從8-32聲道)揚(yáng)聲器的汽車，帶來(lái)了十分復(fù)雜的音訊系統(tǒng)。”

　　不 僅如此，隨著電動(dòng)車的出現(xiàn)，汽車產(chǎn)業(yè)開(kāi)始使用假引擎噪音——或“電子聲音”。從BMW到福斯(Volkswagen)等越來(lái)越多的汽車制造商開(kāi)始玩各種共 鳴放大器技巧。事實(shí)上，不只是電動(dòng)車，當(dāng)今更省油的引擎聲音更安靜，也較不那么有力了。汽車制造商擔(dān)心所有的平靜可能會(huì)讓潛在買家卻步。

　　對(duì)于汽車產(chǎn)業(yè)的許多人來(lái)說(shuō)，音訊是熟悉的領(lǐng)域。汽車制造商們知道，音訊可以為其提供差異化。車內(nèi)的聲學(xué)感測(cè)器不僅可以聽(tīng)到外面發(fā)生的事情，未來(lái)，車子自己的引擎也能夠針對(duì)診斷應(yīng)用偵測(cè)任何異常情況。